### 正确安装 PyTorch 以适配 YOLOv5 环境 在配置 YOLOv5 的环境中，PyTorch 是核心依赖之一。为了确保其能够正常运行并充分利用 GPU 加速功能，需按照以下方法正确安装。 #### 创建虚拟环境 首先，在开始安装之前建议先创建一个独立的虚拟环境，这可以有效避免不同项目之间的依赖冲突。可以通过 Conda 工具完成此操作： ```bash conda create -n yolov5_env python=3.9 ``` 激活该虚拟环境后即可继续后续步骤[^3]。 #### 安装适合版本的 PyTorch 对于 YOLOv5 来说，推荐使用的 PyTorch 版本应不低于 1.7，并且需要与当前系统的 CUDA 驱动相匹配。如果系统配备了 NVIDIA 显卡并且启用了 CUDA 支持，则可以选择带有对应 CUDA 版本的 PyTorch 软件包。例如，针对 CUDA 10.2 可执行如下命令： ```bash conda install pytorch torchvision cudatoolkit=10.2 -c pytorch ``` 然而，当遇到较新的显卡型号（如 RTX 4090），可能发现默认安装的较低版次 PyTorch 不兼容特定计算能力 (sm_89)，此时应当手动升级至更高版本的 PyTorch 和相关组件，比如通过 pip 使用指定 URL 进行安装: ```bash pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu117 ``` 上述命令中的 `--extra-index-url` 参数指定了额外索引源地址用于下载 cuDNN/CUDA 特定构建版本的库文件[^4]。 另外值得注意的是，若网络连接速度较慢或者存在访问限制时，可考虑利用国内镜像站点加速软件包检索过程。以下是几个常用的国内 PIP 镜像服务器列表及其对应的 URL 地址[^5]: | 镜像名称 | URL | |----------------|-----------------------------------------| | 阿里云 | http://mirrors.aliyun.com/pypi/simple/ | | 清华大学 | https://pypi.tuna.tsinghua.edu.cn/simple/ | 设置临时会话期间使用某一面向公众开放的镜像服务作为替代官方仓库的方法很简单，只需附加 `-i` 或者 `--index-url` 参数到原有指令后面即可实现切换目标存储位置的目的；永久更改则涉及修改用户的全局配置文件 (~/.pip/pip.conf) 添加 index-url 字段定义新路径覆盖原始值。 综上所述，合理规划好整个开发流程里的每一步骤细节至关重要，只有这样才能保障最终成果的质量达到预期标准水平之上][^[^23].