0. 安装 cuda10.2 + cudnn8.0.4

    这一部分配置详见另一篇 Windows10环境下(cuda10.2+cudnn8.0.4)以及Visual Studio2019安装配置

1. 安装 anaconda3：

    由于官网下载较慢，我是去清华的镜像源下载（https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/）速度比较快，推荐！

清华大学开源软件镜像站

anaconda3 安装到指定目录后，打开开始菜单中的 Anaconda Prompt

打开开始菜单中的 Anaconda Prompt 查看虚拟环境，只有base环境

创建一个conda虚拟环境：

        输入conda create -n pytorch_py37 python=3.7  创建一个新的虚拟环境，python版本为3.7，在这个独立的环境中安装pytorch

构建一个新的conda虚拟环境，命名为pytorch_py37 激活虚拟环境

2. 安装pytorch 1.6

       在pytorch官网，根据情况选择安装的conda install命令

在conda虚拟环境中输入此命令进行下载安装

    若开始下载速度慢，可以考虑将conda的下载源换成国内的清华或者中科大的镜像源，这里本人选择中科大的

在anaconda prompt中输入conda config命令加载中科大的镜像源

    等价于在C:\Users\Clark\.condarc文件中输入上述内容

等价于修改.condarc文件中的内容 输入上述conda install命令后，完成pytorch的下载 测试pytorch是否安装成功以及gpu是否可用

    如上图，输出pytorch版本以及cuda可用后，至此，pytorch安装成功

3. 安装YOLOv5

在github上搜索找到第一个ultralytics的最新pytorch版本的yolov5

    可以直接下载源码zip，发现8月14更新了yolov5的v3.0版本，所以也可以通过右侧releases下载

左边可以直接下载，我是通过进入右侧releases下载最新的Releases版本   拉到最下角，下载源码以及四个不同大小的预训练pt文件，后面训练测试待用

    在Anaconda Prompt命令行中cd到解压后的yolov5-3.0的源码目录下

找到requirements.txt文件

    输入pip install -r requirements.txt  安装必需的python依赖

安装必需的python依赖 依赖环境安装成功

4. 测试yolov5的效果

        直接在Anacoda Prompt中输入命令 python detect.py --source 0

输入命令 python detect.py --source 0 打开外摄的实时对象检测

       或者：

用源码目录下inference中的图片进行测试 对应多目标检测输出结果图像

    至此，window10环境下pytorch平台下yolov5安装测试成功，后续基于yolo进行一些有趣的研究，用自己的小样本数据集进行完整标注训练和测试。