一、CUDA安装
1.首先确定自己电脑的显卡是不是NVIDIA的显卡，然后确定型号是否支持深度学习，即能否在跑程序的时候使用GPU。我自己的显卡是GTX960M，且显卡驱动已更新到最新。
显卡驱动下载地址：https://www.nvidia.cn/Download/index.aspx?lang=cn
2.在显卡是英伟达显卡的基础上查看自己的显卡是否支持CUDA以及相应的CUDA驱动版本（CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题）官方查看地址：https://developer.nvidia.com/cuda-gpus
我的是GTX960M，是支持在程序运行过程中调用GPU的。
CUDA驱动下载地址：https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
驱动安装默认就可以，不做介绍。
二、anaconda pytorch环境搭建
1.首先在开始中打开anaconda prompt
2.开始创建自己pytorch环境
在命令行中输入如下命令：conda create -n 名字python=3.6
名字你创建的这个环境的名字，python的版本根据自己的实际需要自己确定，例如：
创建一个名称为test的环境，python版本为3.6
这里输入y，就是yes的意思。
环境创建成功，输入conda activate test**创建的test环境，若平时创建的环境过多，在**时忘记名称可以输入conda env list查看创建了哪些环境
接下来**test环境：
可以注意到，前面的名称已经改变，即我们已经进入我们创建的test环境中了，接下来就是安装运行yolo需要的库。可以通过pip list查看当前已经有哪些库，在第一次输入pip list的时候，可能会出现如下错误
根据错误提示可以知道我们需要更新pip包即python -m pip install --upgrade pip
更新成功。再次输入pip list可以看到初试情况下安装了哪些包以及安装的版本。
yolo v3的pytorch版官方源码见github：https://github.com/ayooshkathuria/YOLO_v3_tutorial_from_scratch，另外，作者也写了官方的原始教程，在这个教程中作者使用了Pytorch实现了基于YOLO V3的目标检测器，教程的地址：https://blog.paperspace.com/how-to-implement-a-yolo-object-detector-in-pytorch/，相关的翻译版本：https://blog.csdn.net/zw__chen/article/details/84451733
接下来就开始正式的安装yolo需要的包，首先安装Pytorch，注意安装的pytorch要与安装的cuda的驱动版本之间相互兼容，否则不能正常工作，安装命令如下：conda install pytorch torchvision cudatoolkit=10.0
输入后，会提示会安装以下包，输入y，之后就是等待安装。安装完成后输入pip list可以看到已经安装好了的包：
可以看到pytorch已经安装完成，若安装速度过慢或者卡住了，可以使用清华镜像进行安装。添加清华源，输入以下命令：conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
接下来输入python，进入python编辑器，输入import torch测试pytorch是否已经安装成功，再输入torch.cuda.is_available()查看cuda能否调用GPU。
输出true说明在程序运行时能够调用GPU进行运算。
接下来安装opencv的包，在命令行输入pip install opencv-python
接下来安装pandas包，在命令行输入pip install pandas，若安装过慢，采用清华镜像源下载，输入pip install –i https://pypi.tuna.tsinghua.edu.cn/simple pandas
关于YOLO的conda环境现在就搭建成功了。
三、程序运行
按照前文所诉的GitHub网址下载代码，使用Pycharm打开。打开之后按照下述步骤设置，程序即可运行:
选择完成之后，点击确定就可以了。
此时运行程序会发现，程序并不能正常运行，这是因为缺少权重文件，权重文件的下载地址为：https://pjreddie.com/media/files/yolov3.weights，下载完成之后将文件放到工程的根目录之中，程序就能正常运行了。
该程序bug:
1.图片检测结果没有保存成功，解决方案：将文件读取的路径变更为想到相对路径，代码：
imlist = [osp.join(osp.relpath(’.’), images, img) for img in os.listdir(images)]
同时，文件路径中双斜杠是有实际含义的，需要改掉，代码如下：
for i in range(len(imlist)):
imlist[i] = imlist[i].replace(’\’, ‘/’)
2.图片不能显示原因：读出的数组是每一个元素即为图片的矩阵，需要采用循环一个一个显示，代码如下：
for i in range(len(imlist)):
cv2.imshow(det_names[i], loaded_ims[i])
注：
YOLO官方网址：https://pjreddie.com/darknet/yolo/
Pytorch官方网址：https://pytorch.org/
若在Visual Studio上运行程序，只需新建一个python项目，之后将本工程文档包含在在项目中，手动添加工程文件，修改python环境即可。