這邊是預設你已經安裝好anaconda後，採用ANACONDA來安裝，然後你的nvidia顯卡也有正確的安裝好whql的驅動程式了 可以去GeForce^® 驅動程式下載。

首先開啟你的anaconda prompt後，我們來建立一個叫做yolov5的虛擬環境，python版本給3.8

conda create -n yolov5 python=3.8
conda activate yolov5

裝好之後來去git clone https://github.com/ultralytics/yolov5 下載yolov5的程式，如果你沒有安裝git也沒關係，去那網站把檔案都下載下來解壓縮也可以

之後我們來安裝一些常用到的套件，這邊其實也可以不先不裝拉，等到以後要用到再裝也行

pip install tqdm
pip install scipy
pip install pyyaml
pip install matplotlib
pip install opencv-python==4.1.2.30
pip install requests
pip install seaborn
pip install pandas

然後我們要來安裝pytorch，因為yoloV5以後到現在最新的V7 其實不再像以前是支援tensorflow，現在改用在pytorch了，所以我們需要來安裝pytorch，我們可以去https://pytorch.org/ 網站挑選你需要的版本

如上圖，我選的是目前windows版本，然後透過conda來安裝，語言當然是python 然後cuda我選11.3

選好後，他其實就會給你下面這串指令讓你打在你的anaconda prompt上而已

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

當然這邊cuda版本可能要注意一下就是，有些顯卡太新貨太高階就得要用到cuda11.6那個才行

cuda 10.2 僅支持 3.7，5.0，6.0，7.0算力，不支持8.0算力。而cuda11是支持8.0算力的。

這邊有nvidia顯卡算力表可以參考，上面那個腳本應該會跑一點時間，跑完後其實就安裝完畢了

接下來可以來測試

python
#輸入庫
import torch
#檢視版本
print(torch.__version__)
GPU版需要再執行一些程式碼檢視

#檢視gpu是否可用
torch.cuda.is_available()
#返回裝置gpu個數
torch.cuda.device_count()
#顯示抓到的顯卡型號
torch.cuda.get_device_name()

下圖可以看到我的torch版本抓到的是1.12.1(有些網站說這版本太新引入模型會有問題，但是我測試是沒有)

或是我們直接開始使用yolov5

在yolov5的資料夾下 直接下指令

python detect.py

應該會開始成功的跑偵測

跑完偵測的圖片會存在runs\detect資料夾內，會看到兩張預設的範例圖片

或是可以下參數偵測你電腦內的圖片、甚至網路上的圖片

python detect.py --source https://www.mirrormedia.com.tw/assets/images/20211022085448-d67b85725cb20e88494f9bc50c2f5819-mobile.jpg

這樣就可以玩拉

yoLoV7

當然上面說過，目前最新已經到V7版本了，你也可以去下載V7版本來跑看看

git clone https://github.com/WongKinYiu/yolov7.git

如下圖就是V7版本跑出來的結果，看來辨識是有變多一些，只是我不知道為什麼我拿i5-12400+RTX3050配備跑V7下面這張圖需要到12秒多，但是我跑V5卻只要7秒多就結束了，V7應該要比較快才對啊…