Ubutun 20.04 安装配置深度学习环境（yolov5/v8/v11算法）

写在前面以下步骤中涉及的cuda、pytorch等文件我都已经下载好了可以从夸克网盘下载。我用夸克网盘分享了「linux—深度学习软件包」点击链接即可保存。打开「夸克APP」无需下载在线播放视频畅享原画5倍速支持电视投屏。链接https://pan.quark.cn/s/8258cc7b24d01. 安装显卡驱动先打开终端运行nvidia-smi 查看是否已安装显卡驱动。显示如下即安装过了并且可以看见最高支持的cuda版本是12.2。若没有驱动则打开系统设置-软件和更新-附加驱动-选择NVIDIA驱动-应用更改选择好显卡支持的驱动之后应用更改等待安装完成即可。我这里是rtx 2060的显卡支持535的驱动。2. 安装miniconda3。可以先进入以下网站中下载linux的miniconda版本。Index of /anaconda/miniconda/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror我下载的是Miniconda3-py38_22.11.1-1-Linux-x86_64.sh之后把它放到主目录里面并运行以下指令安装bash Miniconda3-py38_22.11.1-1-Linux-x86_64.sh安装完成后新开一个终端用 以下命令验证是否安装成功conda --version显示conda版本即成功了未识别命令即没成功没成功的话就运行以下命令重新安装bash Miniconda3-py38_22.11.1-1-Linux-x86_64.sh -u多安装几次应该就会成功这玩意有点玄学我第一次也没成功第二次成功了。3. 配置虚拟环境。这个和在windows系统中一样打开一个新终端你会发现安装成功miniconda3后就已经在base环境下了。运行命令conda create -n envs_name python3.8envs_name 换成你自定义的虚拟环境名称即可。回复yes后等待虚拟环境配置完成。我这里是conda create -n yolov5-7.0-seg python3.84. 安装cuda。在安装CUDA11.0之前需要首先安装一些相互依赖的库文件sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev我安装的是cuda11.3.0比较稳定一点。先按照以下链接进入cuda官网并下载相应的cuda。之后按照我给的图一步一步操作。CUDA Toolkit 12.4 Downloads | NVIDIA Developer出现如下信息说明cuda安装成功5. 配置cuda环境变量。该部分参考以下链接做的。Ubuntu20.04下CUDA、cuDNN的详细安装与配置过程图文_ubuntu cudnn安装-CSDN博客首先在终端输入:sudo gedit ~/.bashrc打开如下图所示的.bashrc文件。然后如下图所示在.bashrc文件的最后添加以下CUDA环境变量配置信息。export PATH$PATH:/usr/local/cuda/bin export LD_LIBRARY_PATH$LD_LIBRARY_PATH:/usr/local/cuda/lib64 export LIBRARY_PATH$LIBRARY_PATH:/usr/local/cuda/lib64最后在终端输入:source ~/.bashrc或者重新启终端使之生效。这时我们就可以在终端输入:nvcc -V查看CUDA的安装信息如下图所示至此CUDA安装成功。6. 安装CUDNN与cuda11.3.0相匹配的版本是cudnn8.2.1。cudnn链接cuDNN 9.7.1 Downloads | NVIDIA Developer先将下载好的cudnn-11.3-linux-x64-v8.2.1.32.tgz文件从下载文件夹移动到主目录下面之后对下载的cudnn-11.3-linux-x64-v8.2.1.32.tgz进行解压操作得到一个文件夹cuda命令为tar -zxvf cudnn-11.3-linux-x64-v8.2.1.32.tgz然后使用下面两条指令复制cuda文件夹下的文件到/usr/local/cuda-11.3/lib64/和/usr/local/cuda-11.3/include/中。sudo cp ./cuda/lib64/* /usr/local/cuda-11.3/lib64/ sudo cp ./cuda/include/* /usr/local/cuda-11.3/include/测试cudnn是否安装成功可做可不做从NVIDIA官网的cudnn下载页面上原先cudnn8.2.1的那个地方再次下载三个.deb格式的检测文件如下图所示在终端输入如下命令安装下载的三个.deb格式的检测文件dpkg -i libcudnn8-dev_8.0.5.39-1cuda11.0_amd64.deb dpkg -i libcudnn8-samples_8.0.5.39-1cuda11.0_amd64.deb dpkg -i libcudnn8_8.0.5.39-1cuda11.0_amd64.deb通过上面三条指令cuDNN的测试文件会自动安装在系统的/usr/src/cudnn_samples_v8文件夹下进入mnistCUDNN下执行命令make clean make。如果结果如下图所示则表示cuDNN安装成功。7. 安装vscode这个和windows一样vscode官网下载linux版本的vscode安装即可。此处就不再赘述了。8.配置pytorch1终端conda activate envs_name 回车进入envs_name 为你自己之前配置的虚拟环境名称。conda activate yolov5-7.0-seg2复制键入以下命令以配置好GPU版本的pytorch组件在终端激活自己的虚拟环境后添加以下国内镜像!!!!!!!!!!!!!conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro/之后安装相应的pytorchconda install pytorch1.11.0 torchvision0.12.0 torchaudio0.11.0 cudatoolkit11.3等待填写y即可一次未安装成功就多尝试几次这里也挺玄学。一直没成功的话可以考虑卸载先前的更换中科大源试试看conda config --remove channels 地址conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/ conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro/ conda config --remove channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ conda config --remove channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ conda config --remove channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/之后添加中科大源通过conda config --get channels可以查看是否加入成功conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/再次尝试利用国内源下载conda install pytorch1.11.0 torchvision0.12.0 torchaudio0.11.0 cudatoolkit11.3上述操作参考的链接其中有个 四、Anaconda添加清华镜像源 conda install pytorch安装缓慢的解决办法_conda install pytorch很慢-CSDN博客pytorch安装不成功的终极解决方案手动下载对应的whl文件之后pip install文件名安装https://download.pytorch.org/whl/torch_stable.html由于我的是cuda11.3.0python3.8linux系统conda install pytorch1.11.0 torchvision0.12.0 torchaudio0.11.0因此对应在上面的链接中找到下面的三个whl文件点击下载等待下载完成即可。cu113/torchaudio-0.11.0%2Bcu113-cp38-cp38-linux_x86_64.whlcu113/torchvision-0.12.0%2Bcu113-cp38-cp38-linux_x86_64.whlcu113/torch-1.11.0%2Bcu113-cp38-cp38-linux_x86_64.whl下载完成后将三个whl文件由下载文件夹移动到主目录下面在主目录里面右键打开终端激活之前配置的虚拟环境再pip install文件名依次安装。9. 进入vscode打开yolov5的代码文件夹配置好并进入之前创建的虚拟环境终端pip install requirements.txt配置好所需的文件即可开始做其他的了。以下附上v5-7.0代码比较兼容不会报错的requirements.txt文件内容。(目前YOLOv5-11的代码全都被Ultralics集成在YOLO11代码中了所以此处给出的requirements.txt对YOLO11代码中的v5-11算法都试用我全部都测试过了目前来看都是兼容的。)# pip install -r requirements.txt # Base ---------------------------------------- gitpython3.1.43 ipython8.12.2 psutil5.9.0 matplotlib3.5.2 numpy1.19.5 opencv-python4.9.0.80 Pillow9.5.0 PyYAML6.0.1 requests2.25.1 scipy1.10.1 # torch1.11.0 # torchvision0.12.0 tqdm4.61.2 timm0.9.16 einops0.7.0 # Logging ------------------------------------- tensorboard2.9.1 # wandb # Plotting ------------------------------------ pandas1.2.5 seaborn0.11.0 # Export -------------------------------------- # coremltools4.1 # CoreML export # onnx1.9.0 # ONNX export # onnx-simplifier0.3.6 # ONNX simplifier # scikit-learn0.19.2 # CoreML quantization # tensorflow2.4.1 # TFLite export # tensorflowjs3.9.0 # TF.js export # openvino-dev # OpenVINO export # Extras -------------------------------------- # albumentations1.0.3 # Cython # for pycocotools https://github.com/cocodataset/cocoapi/issues/172 # pycocotools2.0 # COCO mAP # roboflow thop0.1.1.post2209072238 # FLOPs computation