本文根据B站UP“我是土堆”视频教程整理，视频链接如下：
https://www.bilibili.com/video/BV1S5411X7FY?p=26&vd_source=5a88e37d241fe49a63a0ca57f11ba8d2

问题：

在使用yolov5进行目标识别的时候，只能使用CPU，网上查的到的方法是将device由默认改为自己电脑显卡的编号，我电脑显卡编号为1（显卡编号在“任务管理器-性能”中查看），改为如下：

parser.add_argument('--device', default='1', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')

但我修改后运行，仍报错，如下：

问题原因：未安装pytorch GPU运行环境。

解决方法：重新安装pytorch GPU运行环境。

具体步骤：

1、先确定Cuda版本。

打开cmd窗口，输入:

nvidia-smi

即可查看Cuda版本，如下图所示：

2、打开Pytorch官网，选择低于Cuda版本的最高版本11.6，弹出了conda安装命令，选中conda按照命令并复制，如下图所示：

3、打开anaconda，激活需要安装pytorch的环境：

conda activate yolov5 #将yolov5替换为你创建的虚拟环境名称

4、激活需要安装pytorch的环境后，粘贴conda安装命令，先不回车，将后面的下载通道改为国内镜像，如下代码所示，否则安装时下载会很慢。

使用清华镜像安装cudatoolkit

conda install cudatoolkit=11.6 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

使用清华镜像安装pytorch torchvision torchaudio

conda install pytorch torchvision torchaudio -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/

附：

安装pytorch、torchvision、torchaudio可以选择如下镜像地址：

清华镜像

https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/

北京外国语大学镜像

https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/win-64/

阿里巴巴镜像

http://mirrors.aliyun.com/anaconda/cloud/pytorch/win-64/

南京大学镜像

https://mirror.nju.edu.cn/pub/anaconda/cloud/pytorch/win-64/

安装cudatoolkit可以选择如下镜像地址：

清华镜像

https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main

北京外国语大学镜像

https://mirrors.bfsu.edu.cn/anaconda/pkgs/main

阿里巴巴镜像

http://mirrors.aliyun.com/anaconda/pkgs/main

5、安装完成后，将device由默认改为自己电脑显卡的编号，如下代码所示，再次运行yolo测试程序。

parser.add_argument('--device', default='1', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')

速度对比：

使用CPU

使用GPU

好家伙，同样的任务，使用GPU的检测速度直接变成CPU的10倍左右，厉害了我的哥！

再次感谢up主“我是土堆”的视频教程，谢谢！