Ubuntu18.04下通过yolov5进行训练（非anaconda版）

最新推荐文章于 2025-04-06 10:58:01 发布
最新推荐文章于 2025-04-06 10:58:01 发布
阅读量554 收藏
点赞数 1
分类专栏： 深度学习Yolo训练 python 学习 yolo常见错误 文章标签： YOLO python 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/LMH564123/article/details/131838414
版权
本文介绍了在Ubuntu18.04系统上配置Yolov5-6.0环境的步骤，包括安装python3.7、pip，下载并安装模型及依赖。在安装过程中遇到`skbuild`模块缺失的问题，通过更换pip源解决了问题，并成功运行训练命令。作者计划在后续更新中分享如何训练自定义数据集。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

最近比较忙也没有更新博客，刚好今天给别人配置yolov5的，记录一下吧，希望帮到你们

一、环境

Ubuntu18.04
yolov5-6.0/python3.69

二、前期准备

2.1安装python

 由于Ubuntu18.04自带的python版本是3.6.9对应的yolov5是6.0版本的，如果想要运行高版本的则需要下载3.6以上版本的python

sudo apt-get install python3.7 #根据yolov5版本选择python版本，我的python版本是3.6.9，所以我直接下载的yolov5-6.0

python --version

2.2安装pip（选择python3的）

sudo apt install python-pip3  #(python3)
sudo apt install python pip   #(python2)

2.3下载yolov5模型

 这里我直接把u盘里的拷进来了，不会的可以去查一下怎么下载的，这里就不赘述了

2.3.1 安装包

进入到yolov5文件夹中

cd yolov5

pip3 install -U -r requirements.txt  -i https://pypi.tuna.tsinghua.edu.cn/simple

但是在安装包的过程中我出了错

ImportError: No module named skbuild

解决方法：换源最后发现豆瓣的源是可以的

pip install scikit-build -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

2.4 训练

进入yolo文件夹中，打开终端

输入指令

python3 train.py --img 640 --batch 2 --epoch 3 --data coco128.yaml --weights yolov5s.pt

最后，就可以跑通啦~

下篇更新如何训练自己的数据集！

ubuntu20部署yolov5环境 详细版 pytorch
Study__ing_的博客
06-25 3141
详细的介绍ubuntu20配置yolov5环境
极简YOLOv5训练以及检测流程（ubuntu）
qq_52135902的博客
05-04 2171
本文仅就csdn中yolo系列的大部分教程踩坑记录最终得出的一个最简洁最流畅的流程，本人非计算机专业，水平有限，仅适合想要快速入门YOLO训练自己的数据集以及如何使用模型进行目标检测的同学，个人记录的同时希望可以帮到大家。
【yolo】在Ubuntu上训练yolov5模型
Zimu的博客
03-01 1992
（如果是有点基础的，我想你应该能自己搞定！（2）可以直接二通过git仓库从github上克隆，如果无法访问gibhub,可以从gitee上获取yolov5源码。１.　在主机上安装anaconda，（anaconda是什么，怎么装，请查阅相关资料，本文只提供大致步骤和方案）还有models目录下的yaml文件也需要修改一下，找到相应的yaml文件，修改nc的参数即可。----conda activate [你的刚刚创建的虚拟环境]----２.　一台服务器（有GPU）（我的装了Ubuntu）
基于Ubuntu下Yolov5的目标识别（ubuntu20.04安装yolov5及环境配置）
最新发布
weixin_63323190的博客
04-06 1146
YOLOv5的安装以及途中遇到的问题
ubuntu配置yolov5环境
z3447643805的博客
10-11 2154
由于在线安装容易出现安装失败，所以本文使用的是本地安装。可以输入python进入pyrhon环境，导包测试，没有报错和能输出版本信息则安装成功了。直接去github上下载就可以了。
【YOLO】在ubuntu上部署yolov5
weixin_42442319的博客
06-10 1万+
具体的操作流程：查看ubuntu的python版本 在shell中输入可查看版本。安装cpu版本pytorch(我的虚拟机ubuntu上还有显卡，因此安装cpu版本) 官方教程（适合初次使用linux的） 我发现了官方有在ubuntu20.04安装pytorch的教程！是全英文的，但是非常详细，包括了pip3安.................................
Ubuntu18.04配置yolov5环境
SLCnoon的博客
04-22 4657
Python3.7+nvidia-470+cuda11.4+cuDNN+Anaconda3++pytorch1.11
关于yolov5的调试环境搭建亲测有效ubuntu18.04 +ros+melodic+anaconda+pytorch+torchvision+cuda10.2+cudnn
weixin_42933461的博客
12-28 1710
一开始本人安装的是cuda11.4,但是发现🔛继续安装pythorch存在版本不匹配的问题，故查寻可以安装低版本的cuda10.2,此处重启的时候需要注意，系统进入的时候需要自己进行选择，不要选错，否则需要重新安装。选择cuda10.2+python38的linux系统wheel进行下载再进行安装。最近，开始接触yolov5，打算用yolov5进行ros的fe fef ff。同时如果采用命令安装，发现大部分为cpu驱动，打开链接后，网站会要求你登陆账号，下载如下。至此，cudnn安装完成。
Ubuntu18.04 搭建YOLOV4环境
tugouxp的专栏
08-01 3539
下载代码，编译 git clone https://github.com/AlexeyAB/darknet cd darknet make 下载预训练权重: 验证： caozilong@caozilong-Vostro-3268:~/Workspace/yolo/darknet$ ./darknet detector test ./cfg/coco.data ./cfg/yolov4.cfg ./yolov4.weights data/dog.jpg GPU isn't used ..
基于30系显卡以及Ubuntu18.04系统的YOLOv3环境搭建和训练模型以及测试
m0_56894622的博客
04-17 1945
基于30系显卡以及Ubuntu18.04系统的YOLOv3环境搭建和训练模型以及测试 安装环境 驱动 #查看自己可以装的显卡驱动 nvidia-smi #也可以执行以下命令,安装推荐的nvidia版本 sudo ubuntu-drivers autoinstall cuda（显卡30系不兼容11版本以下） 安装之前先看看自己驱动和cuda版本对应（这个是最基础的，很重要！！！） 这里只有到11.4的，我自己的是cuda11.5和N卡驱动495。（你可以参考一下） cudnn NVIDIA cuDNN是用
Ubuntu18.04下复现YOLOv4（YOLOv3亦可）
hesongzefairy的博客
04-28 5165
承接上文，复现一下Alexey Bochkovskiy的YOLOv4，本文先从环境配置开始，最后实现一帧图像的检测，如何训练自己的数据不在本文讨论范围（可能是下一篇），这里不得不佩服AB大佬，GitHub点开全是干货，无论是windows下还是linux下，操作流程非常详细，而且如果你之前已经成功复现了YOLOv3那么只需要改动一点参数就能使用YOLOv4，对接完美简直不要太方便。 项目地址：h...
Ubuntu下使用yolov5
gyxx1998的博客
12-09 8113
Ubuntu使用yolov5进行测试，并使用realsense d435i测试
Ubuntu 20.04 安装部署 Yolo5 开发环境
wxl5018的专栏
07-28 1912
基于Ubuntu20.04 安装 Yolo5 环境。先安装显卡驱动。从 NVDIA官网上下载最新的驱动，安装后进行下一步。下载进行安装。安装之后，使用 conda -V和 python -V查看版本信息。接下来，创建虚拟环境：进入 Yolo5 虚拟环境，在虚拟环境中安装Pytorch GPU 版。在 Conda 虚拟环境中执行 Pytorch GPU 版安装 命令，如下所示：等待安装完成。执行脚本测试 PYTORCH 和 CUDA 的功能是否正常。
Ubuntu18.04 YOLOV5环境搭建
想做智能驾驶的菜鸟
10-30 9017
ubuntu18.04 yolov5环境搭建
Ubuntu20.04部署yolov5目标检测算法，无人车/无人机应用
热门推荐
振华OPPO的博客世界
07-17 1万+
FireFlyRK3588开发板上烧录的Ubuntu20.04系统，在此基础上线部署下简单的Python版本yolov5代码，目前博主已全部转为C++版本了，并且转化了pt模型为rknn模型，调用npu进行推理，效果和速度都比原先Python代码好很多。本篇主要介绍如何部署和运行yolov5目标检测代码。...
ubuntu+yolov5训练自己的数据集
vcvvcvx的博客
05-16 1991
ubuntu20.04+yolov5部署自己的数据集进行训练并实现预测。
Ubuntu使用官方Yolov5训练自己的数据集（小白向）
qq_51993578的博客
03-17 6702
Ubuntu使用官方Yolov5训练自己的数据集（小白向） 一、下载官方代码 本文使用的代码是2021年2月份的。最新代码链接： github(https://github.com/ultralytics/yolov5) 二、数据集的制作 数据集的文件分级如下所示 文件结构必须是这样的，images放图，labels放标签 |————shujuji |————train |————images |————labels |————val |————images |————labels y
DL 基于Ubuntu20.04—Yolov5环境搭建及创建自己的数据集训练
Functioe的博客
04-17 2285
将文件夹carline整个复制到yolov5，并在carline中创建data文件夹，并将train和val剪切复制到data，并在carline文件中创建yaml配置文件，在yaml文件中将训练集，验证集和测试集的文件路径进行配置，并在最后写好要训练的Classes(类)名和对应的数字。在“保存”下面的按钮设置标记文件类型：有yolo、ml、</> VOC三种，这里我们用yolo即txt格式。在VScode中打开yolov5项目，VScode中调出终端，激活配置的yolo虚拟环境。
YOLOv5目标检测宝宝级教程：ubuntu1804从零开始使用YOLOv5训练自己的数据集（亲测有效，一步一步来一定行）
llzzll22244的博客
01-25 4226
本文基于ubuntu18.04使用自己制作的数据集在YOLOv5上进行训练，记录了一个完整的过程
ubuntu18.04使用跑yolov8
04-04
### 安装和运行 YOLOv8 框架 YOLOv8 是 Ultralytics 提供的一个最新版本的目标检测框架，其安装过程相对简单，但仍需一些必要的准备工作。以下是关于如何在 Ubuntu 18.04 上安装和运行 YOLOv8 的详细说明。 #### 环境准备 为了成功部署 YOLOv8，在开始之前需要确认以下几点： - **操作系统**: 已经安装好 Ubuntu 18.04。 - **硬件需求**: 建议使用 NVIDIA GPU 来加速模型训练和推理[^3]。 - **软件依赖**: - Python (推荐版本 >= 3.8) - pip 和其他开发工具链（如 GCC） #### 步骤一：更新系统并安装必要工具 确保系统的包管理器是最新的，并安装一些常用的开发工具： ```bash sudo apt update && sudo apt upgrade -y sudo apt install build-essential cmake git wget unzip python3-pip -y ``` 上述命令会安装 `build-essential`、`cmake`、`git` 等基础工具以及 Python 的 pip 包管理器[^2]。 #### 步骤二：安装 Anaconda 或 Miniconda 虽然可以直接使用系统自带的 Python，但建议通过 Conda 创建独立的虚拟环境来隔离不同项目的依赖关系。可以按照以下步骤安装 Miniconda： ```bash wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh source ~/.bashrc ``` 完成后可以通过以下命令验证安装是否成功： ```bash conda --version ``` 如果显示版本号，则表示安装成功。 #### 步骤三：创建并激活 Conda 虚拟环境 创建一个新的 Conda 环境，并指定所需的 Python 版本（Python>=3.8）： ```bash conda create -n yolov8_env python=3.9 conda activate yolov8_env ``` #### 步骤四：安装 PyTorch 及 CUDA 支持 根据你的 GPU 驱动版本选择合适的 PyTorch 和 CUDA 组合。例如，假设你已经安装了 CUDA 11.7，那么可以通过以下命令安装 PyTorch： ```bash pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117 ``` 如果没有 GPU 或者不想使用 GPU 加速，可以选择 CPU-only 版本： ```bash pip install torch torchvision torchaudio ``` 更多选项可以在官方页面找到：[PyTorch Installation](https://pytorch.org/get-started/locally/) [^3]。 #### 步骤五：克隆 YOLOv8 仓库并安装依赖 从 GitHub 克隆 YOLOv8 的代码库，并进入该目录： ```bash git clone https://github.com/ultralytics/ultralytics.git cd ultralytics/ ``` 接着安装所需的所有 Python 库： ```bash pip install -r requirements.txt ``` 这一步会自动安装诸如 NumPy、Pillow、Matplotlib 等常用库[^4]。 #### 步骤六：验证安装 完成以上所有步骤后，可以通过简单的脚本来测试 YOLOv8 是否正常工作。例如，尝试加载预训练权重并对图片进行目标检测： ```python from ultralytics import YOLO # Load a model model = YOLO('yolov8n.pt') # load an official model # Use the model for inference results = model('https://ultralytics.com/images/bus.jpg') ``` 保存这段代码到文件中并通过 Python 执行它。如果一切顺利，你应该能看到一张带有标注框的结果图[^1]。 --- ### 注意事项 - 如果计划使用 GPU 进行训练或推断，请务必先检查显卡驱动程序是否已正确安装，并通过 `nvidia-smi` 查看当前状态。 - 对于大规模数据集或者复杂模型架构来说，可能还需要额外调整内存分配策略或其他超参数设置。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

科研分母

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值