如果安装 conda，那么据说 cudatoolkit 和 cuDNN 都可以不安装。

cuda

cuda 是 nvidia 提供的运算平台。

打开 cmd，然后把目录切换到 C:\Program Files\NVIDIA Corporation\NVSMI，然后输入 nvidia-smi 就可以查看自己显卡的 cuda 版本了，版本信息在右上角。
浏览器打开 https://developer.nvidia.com/cuda-downloads 然后按照自己的 cuda 版本进行下载，下载 local 的。
安装 cuda，首先选择的是解压临时目录，安装的目录使用目录的即可。安装完成之后，查看环境变量，应该有 CUDA_PATH 等。

cuDNN 是 nvidia 提供的深度学习 gpu 加速库。

打开 https://developer.nvidia.com/cudnn ，注册账号。
登录后，选择 cuda 对应的 cuDNN 进行下载即可。
解压，把解压后的 bin include lib 这三个文件夹里面的文件复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1 的对应文件夹里面。
打开 cmd，运行 nvcc -V 有相应输出即可。

安装 miniconda，然后打开并配置环境

conda env list 查看已有虚拟环境，conda env remove -n env_name 删除指定虚拟环境。
conda create -n pytorch_v190 创建一个新环境，如果需要指定 python 版本，那么需要追加 python=3.7 这样的版本语句即可。
activate pytorch_v190 启用新环境，python --version 检查当前 python 版本号。
conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c conda-forge 安装 pytorch
安装完成后，可以测试一下:
```
python
import torch
print(torch.cuda.is_available())
x = torch.ones(2, 2)
y = x + 2
print(y)
exit()
```
参考: https://www.bilibili.com/video/BV1oz411v7cv?from=search&seid=9560127527480640558
https://pytorch.org/get-started/locally/
https://blog.csdn.net/qq_18668137/article/details/80807829

从 https://github.com/ultralytics/yolov5 下载 yolov5 源码
从 https://github.com/ultralytics/yolov5/releases 下载权重文件并放到源码目录下面的 weights 文件夹
修改 detect.py ，parser.add_argument('--weights', nargs='+', type=str, default='weights/yolov5s.pt', help='model.pt path(s)') 修改成这样，detect.py 默认就可以在 weights 文件夹下面找权重文件了，也可以使用的时候使用 weights 这个参数。
在 conda 里面切换到 yolov5 的目录，直接运行 python detect.py，会读取 data/images 下面的图片，处理完之后，输出到 runs/detect 下面。也可以附带参数，具体参数使用 python detect.py -h 查看，也可以直接看代码，获得去 github 上面查看。如果碰到缺包，可以安装 pip install opencv-python pandas requests pyyaml tqdm matplotlib seaborn