在Ubuntu系统从0搭建yolo深度学习环境

原创最新推荐文章于 2026-07-27 14:38:42 发布 2.4k 阅读 AI写同款

Codieyoung

55粉丝10篇原创

关注

ubuntu系统—yolov5环境配置及实践应用 :显卡RTx3060, CUDA， cudnn, pytorch对应版本安装， yolov5实践应用（保姆级教程）本文主要总结了 yolov5 环境配置，从显卡安装，到CUDA， cudnn , pytorch 对应版本安装， yolov5环境安装，工程实践应用，希望有用。文章中参考了很多大佬的文章，图片和内容若有相同之处，纯属巧合，可连续小编删除修改。阅读详情

AI摘要

本文介绍在Ubuntu系统从零搭建YOLO深度学习环境的步骤。先下载并安装nvidia驱动，包括查看显卡型号、下载对应驱动、禁用nouveau驱动等；接着安装cuda和cuDNN，需设置环境变量并进行安装验证；最后搭建yolo环境，创建conda环境，下载解压yolov5，安装依赖包并训练测试。

1. 下载nvidia驱动

查看显卡型号：

lspci | grep -i vga

将终端代号输入：https://admin.pci-ids.ucw.cz/mods/PC/10de?action=help?help=pci ，可得到具体显卡型号。

我的是getforce RTX 4080

下载对应驱动：https://www.nvidia.cn/drivers/lookup/

点击查找，查看对应驱动版本。我的是570

我没有采取下载下来再手动安装的方式，手动安装时禁用图形界面一直出问题。

2. 安装nvidia驱动

安装相关依赖

 sudo apt-get install python3-pip

 sudo apt-get install python3-pip

sudo apt-get install build-essential libglvnd-dev pkg-config
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

运行lsmod | grep nouveau，若有输出，则进行禁用。

禁用nouveau驱动：

在/etc/modprobe.d/blacklist.conf后添加：

blacklist nouveau
blacklist lbm-nouveau
options nouveau modeset=0
alias nouveau off
alias lbm-nouveau off

然后更新：

sudo update-initramfs -u

电脑重启

运行lsmod | grep nouveau，若无输出，则禁用成功。

配置环境变量：

 sudo nano ~/.bashrc

在末尾添加：

 export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH
 export LD_LIBRARY_PATH=/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH

 source ~/.bashrc

添加nvidia ppa源：

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt update

安装对应驱动：

sudo apt install nvidia-driver-570

重启系统。

检测安装状态：nvidia-smi

2. 安装cuda

进入官网，选择对应版本：CUDA Toolkit - Free Tools and Training | NVIDIA Developer

下载：可以将链接复制到浏览器中下载

赋予权限，运行：sudo ./cuda_12.8.1_570.124.06_linux.run

终端一直没反应可以拉一下框，可能是显示不全。

光标停留在driver那行，按回车取消下载driver。因为driver之前已经安装过了。

选择install回车。

检查是否安装成功：

cat /usr/local/cuda/version.txt

如果找不到文件的话，路径下存在version.json也可以。

设置环境变量：

在/home/priscilla/.bashrc末尾添加：注意更改为实际文件与实际路径。

export PATH=/usr/local/cuda-12.8/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-12.8/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

保存退出，终端运行：source ~/.bashrc

终端运行：nvcc -V:

说明安装成功。

3. 安装cuDNN

进入官网：cuDNN 9.2.0 下载 | NVIDIA 开发者，选择对应版本。可能需要注册，填信息即可。

使用官网下面的安装instructions:

wget https://developer.download.nvidia.com/compute/cudnn/9.2.0/local_installers/cudnn-local-repo-ubuntu2204-9.2.0_1.0-1_amd64.deb
sudo dpkg -i cudnn-local-repo-ubuntu2204-9.2.0_1.0-1_amd64.deb
sudo cp /var/cudnn-local-repo-ubuntu2204-9.2.0/cudnn-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cudnn

安装验证：

cp -r /usr/src/cudnn_samples_v9/ $HOME

cd $HOME/cudnn_samples_v9/mnistCUDNN