首先在github上面获取别人的源码
这个是github的源码包，直接下载解压使用
打开解压后的文件夹应该可以看到这个页面。
进入文件夹的requirements.txt的页面

这篇文章是为了记录自己的环境配置过程，当作笔记使用来看，目前网上各种安装教程都有很多，但是如果涉及到更细节的部分，可能不那么容易，所以自己先做一份笔记使用。

首先win+r，cmd

进入，这些的前提是自己电脑有conda

conda create -n yolov7 python=3.8

其中yolov7是环境的名字，python的版本为3.8，也可以是3.7或者是3.6以及3.9版本，但是涉及到目前网络上很多程序的运行，3.8的版本是最通用的。

输入y确定

然后复制文件路径
cd自己的路径即可

cd C:\Users\ljx\Desktop\yolov7-main\yolov7-main

然后使用命令：
pip install -r requirement.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
接下来查看cuda的版本，安装对应的torch版本。
新开窗口win+r，cmd确定，输入

nvidia-smi

我这里的cuda版本是12.0的版本，所以去官网找到对应的torch命令。
进入pytorch官网选择版本 https://pytorch.org/
高版本的pytorch一般能兼容低版本cuda。
例如：你需要 1.7.0 的 pytorch，那么 cuda 只能 11.0 及以下。官方推荐的cuda版本为10.2和11.3，这两种 cuda 支持大多数的 pytorch 版本。

每个版本对应下载命令不一样。
提供一篇转载文章使用。
Pytorch和cuda对应版本
这里提供两个选择，看自己的电脑适配哪个。
CUDA 11.6

pip install torch==1.12.0+cu116 torchvision==0.13.0+cu116 --extra-index-url https://download.pytorch.org/whl/cu116 

我使用的就是CUDA 11.3

pip install torch==1.12.0+cu113 torchvision==0.13.0+cu113 --extra-index-url https://download.pytorch.org/whl/cu113 

即可成功，然后就是放到解释器里面，打开pycharm，点击右下角解释器。如下点击，即可替换成功。