ubuntu20部署yolov5环境 详细版 pytorch

原创 已于 2024-06-25 12:32:45 修改 · 3.3k 阅读 · 49 ·
CC 4.0 BY-SA版权
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。
文章标签：

#pytorch #yolo #ubuntu

于 2024-06-25 10:51:39 首次发布

ubuntu20部署yolov5环境 详细版 pytorch

提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录

前言

提示：这里可以添加本文要记录的大概内容：

在ubuntu20下（win也差不多）部署yolov5环境，训练自己的模型 pytorch

提示：以下是本篇文章正文内容，下面案例可供参考

一、下载Nvidia驱动

查找自己电脑是否有nvidia显卡，找到对应的驱动进行安装
ubuntu可以使用nvidia-smi验证是否安装好
显示以下表示成功
在这里插入图片描述

二、安装cuda

nvidia-smi查看驱动，例如以上的12.2，说明最好是下载12.2的CUDA，比他低一点也可以

官网找到适合自己的版本下载

https://developer.nvidia.com/cuda-toolkit-archive

在这里插入图片描述在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
已经安装驱动就把driver取消掉，光标移到对应位置enter就行
然后进行intall

加入环境变量

 gedit ~/.bashrc 
 在最下面加入
 export PATH="/usr/local/cuda-12.2/bin:$PATH"
 export LD_LIBRARY_PATH="/usr/local/cuda-12.2/lib64:$LD_LIBRARY_PATH"

刷新一下
source ~/.bashrc

输入
nvcc -V
验证是否成功

三、安装cudnn

cuDNN比CUDA安装简单，下载对应版本压缩包，复制文件到指定目录，给权限就好了。
官网下载（需要注册）

https
最低0.47元/天 解锁文章
Study__ing_
关注
【部署笔记】Ubuntu利用TensorRT部署YOLOv5全流程
VAN的博客
11-09 9166
Ubuntu利用TensorRT部署YOLOv5全流程
【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.................................
【yolo】在Ubuntu上训练yolov5模型
Zimu的博客
03-01 2347
（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）
Ubuntu18.04环境下跑YOLOV5（打标+训练+测试）
qq_51072601的博客
03-22 1770
Ubuntu18.04环境下跑YOLOV5（打标+训练+测试），新手小白学习详细过程
Ubuntu 系统 YOLOv8 部署教程（GPU & CPU 一键安装）
最新发布
m0_74822402的博客
09-10 725
本文提供了在Ubuntu系统（20.04/22.04）部署YOLOv8的完整教程，支持GPU（需NVIDIA驱动+CUDA11.8）和CPU两种环境。教程包含一键安装脚本（deploy-yolov8-ubuntu.sh），自动检测硬件并安装对应依赖（GPU版PyTorch或CPU版）。步骤包括：1）环境准备；2）下载YOLOv8模型和测试图片；3）创建Conda环境并安装依赖；4）验证部署结果。脚本自动处理目录创建、依赖安装和推理验证，结果保存在runs/predict目录。GPU版本显著提升推理速度，适合
ubuntu配置yolov5环境
z3447643805的博客
10-11 2376
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。
Ubuntu20.04部署YOLOv5
周同学的博客
04-21 1万+
Ubuntu20.04部署YOLOv5
【基于Ubuntu下Yolov5的目标识别】保姆级教程 | 虚拟机安装 - Ubuntu安装 - 环境配置(Anaconda/Pytorch/Vscode/Yolov5) |全过程图文by.Akaxi
热门推荐
Akaxi的博客
11-04 4万+
【基于Ubuntu下Yolov5的目标识别】保姆级教程 | 虚拟机安装 - Ubuntu安装 - 环境配置(Anaconda/Pytorch/Vscode/Yolov5) |全过程图文by.Akaxi
ubuntu18.04 安装yolov5环境及推理环境
weixin_45715405的博客
12-16 2695
去到下载的文件夹内，执行命令：bash Anaconda3-2023.09-0-Linux-x86_64.sh。至此CUDN + cuDNN安装完成，可以执行相关训练文件查看是否有gpu信息输出，或监控一下gpu状态。tensorRT官网网址（GA表示正式发布稳定版本、EA抢先版）查看tensorRT python api 版本。yolov5-pytorch推理速度。tensort推理(384*640)查看是否安装NVIDIA显卡。Torchhub模型预测使用。
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）
suming001的博客
10-22 3243
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。
精选资源
YOLOv5(PyTorch)目标检测实战：Flask Web部署
06-30
PyTorch版的YOLOv5是轻量而高性能的实时目标检测方法。利用YOLOv5训练完自己的数据集后，如何向大众展示并提供落地的服务呢？  本课程将提供相应的解决方案，具体讲述如何使用Web应用程序框架Flask进行YOLOv5的Web...
Ubuntu24.04配置yolov5
SharbbyBai的博客
08-25 1070
记录一下在 Ubuntu24.04 系统上配置 yolov5 算法的过程。
教你轻松在Ubuntu 部署yolov5，胎儿级教程
一个深技大小学生的博客
01-22 4653
Ubuntu 配置yolov5
Ubuntu各个版本部署YOLOv5 保姆级教程
weixin_45303602的博客
03-27 3858
前面几篇文章详细讲解了cuda和cudnn及anaconda的安装： 注意此内容适配所有所有Ubuntu系统，因为YOLO的运行只与touch版本有关。
Ubuntu18.04 YOLOV5环境搭建
想做智能驾驶的菜鸟
10-30 9274
ubuntu18.04 yolov5环境搭建
在ubuntu 20.04 部署yolov5，并使用ros实现目标检测。
m0_51638856的博客
05-06 543
YOLOv5是一个先进、快速且易于使用的实时目标检测模型，广泛应用于各种领域。它是由Ultralytics团队基于PyTorch框架开发的，相比于之前的YOLO版本（如YOLOv3、YOLOv4），YOLOv5在性能、精度和易用性上都有一些改进。主要特点：1.高效性和实时性：YOLOv5通过优化网络结构和推理过程，在高效性和实时性方面表现优异，适用于实时目标检测任务，如视频监控、自动驾驶等。2.多种模型尺寸。
ubuntu下安装、运行yolov5
weixin_43729409的博客
06-21 925
第五步，卡出一个神奇的bug，无法安装vscode，现象是下载了安装包之后，正常安装，但是安装失败。访问 extensions.gnome.org，页面顶部应显示 "Click here to install browser extension"（如果未安装插件）。第三步，这里有个神奇的问题是中间提到的换源的问题，博主换了嘎嘎下，我换了就G了，直接连不上网。访问 extensions.gnome.org，页面右上角会显示支持的 Shell 版本。内容，更新了超级多的包，但依然没有用。
在ubuntu18.04下安装yolov5
weixin_50765905的博客
07-25 1248
在ubuntu下安装yolov5
【Jetson Ubuntu 18.04 安装YOLOv5】
hxb971002的博客
07-19 3243
【Jetson Ubuntu 18.04 安装YOLOv5】
ubuntu双系统部署yolov5,使用pytorch
03-31
<think>好的，我现在需要帮助用户在Ubuntu双系统环境下安装和配置YOLOv5模型，并使用PyTorch作为深度学习框架。首先，用户提到了双系统环境，可能涉及到引导问题，但根据引用[^1]，如果是双硬盘双系统且都是UEFI引导，开机按F8就能选择启动项，所以用户可能已经处理好了这部分，不需要额外工具。不过可能需要确认用户是否是单硬盘还是双硬盘，但用户的问题主要是安装YOLOV5，所以可能暂时不需要深入引导问题。 接下来，安装Ubuntu后的准备工作。根据经验，通常需要更新系统和安装必要的依赖。比如，使用sudo apt update和sudo apt upgrade来更新系统。然后安装常用的工具如wget、curl、git等。用户提供的引用[^3]中有使用wget下载CUDA的示例，可能需要安装wget。此外，安装Python环境，通常推荐使用Anaconda或者Miniconda来管理虚拟环境，避免系统Python的冲突。 然后安装NVIDIA驱动。用户需要确认自己的显卡是否支持CUDA，以及安装合适的驱动。可以通过ubuntu-drivers devices查看推荐驱动，然后使用sudo apt install nvidia-driver-xxx来安装。安装完成后，重启并用nvidia-smi验证是否成功。 接下来是安装CUDA和cuDNN。引用中提供了使用wget下载CUDA 9.0的示例，但YOLOv5可能需要更高版本的CUDA，比如11.x。需要检查PyTorch和YOLOv5的官方文档，确认支持的CUDA版本。例如，PyTorch 1.8可能要求CUDA 11.1。用户需要从NVIDIA官网下载对应的CUDA toolkit，并按照说明安装。然后下载对应版本的cuDNN，解压并复制到CUDA目录中。 安装PyTorch。根据PyTorch官网的指令，使用conda或pip安装。例如，选择CUDA 11.3版本的PyTorch：conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch。需要确保CUDA版本与PyTorch要求的匹配。 克隆YOLOv5仓库。使用git clone https://github.com/ultralytics/yolov5，然后进入目录，安装requirements.txt中的依赖：pip install -r requirements.txt。这里可能需要处理依赖冲突，尤其是不同版本的库，比如numpy、opencv-python等。 验证安装。运行detect.py脚本，检查是否正常检测，并且GPU是否被使用。用户可以通过查看nvidia-smi中的进程来确认是否调用了GPU。 可能遇到的问题：驱动安装失败，CUDA版本不兼容，PyTorch与CUDA版本不匹配，Python依赖冲突等。需要逐步排查，例如确认驱动版本、CUDA是否安装正确、环境变量是否设置（如将CUDA路径添加到PATH），以及虚拟环境是否正确激活。 另外，用户的双系统环境可能涉及到磁盘权限问题，尤其是在Windows和Ubuntu之间共享数据时，需要注意NTFS分区的挂载选项，避免权限错误。不过这可能超出了当前安装YOLOv5的范围，除非用户有特定需求。 总结步骤：1. 系统准备；2. 安装驱动；3. 安装CUDA和cuDNN；4. 安装PyTorch；5. 安装YOLOv5及依赖；6. 验证。需要确保每个步骤的版本兼容性，并参考官方文档进行调整。</think>### Ubuntu双系统下YOLOv5与PyTorch安装配置指南 #### 一、系统准备 1. **确认Ubuntu启动模式** 如果是双硬盘双系统且均使用UEFI引导，开机时按`F8`（具体按键因主板而异）可直接选择Ubuntu或Windows启动项[^1]。 2. **更新系统与安装基础工具** ```bash sudo apt update && sudo apt upgrade -y sudo apt install -y wget curl git python3-pip ``` --- #### 二、安装NVIDIA驱动 1. **查看推荐驱动版本** ```bash ubuntu-drivers devices ``` 2. **安装驱动（以515版本为例）** ```bash sudo apt install -y nvidia-driver-515 sudo reboot ``` 3. **验证驱动安装** 重启后执行： ```bash nvidia-smi # 输出应显示GPU信息及CUDA版本（如12.0） ``` --- #### 三、安装CUDA与cuDNN 1. **安装CUDA Toolkit 11.8** ```bash wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run sudo sh cuda_11.8.0_520.61.05_linux.run ``` > 提示：安装时取消勾选驱动（已单独安装） 2. **配置环境变量** 在`~/.bashrc`末尾添加： ```bash export PATH=/usr/local/cuda-11.8/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH ``` 生效配置： ```bash source ~/.bashrc ``` 3. **安装cuDNN 8.6.0** 从[NVIDIA官网](https://developer.nvidia.com/cudnn)下载对应CUDA 11.x的deb包后： ```bash sudo dpkg -i cudnn-local-repo-ubuntu2204-8.6.0.163_1.0-1_amd64.deb sudo apt update sudo apt install -y cudnn-runtime-11-8 cudnn-dev-11-8 ``` --- #### 四、配置PyTorch环境 1. **创建虚拟环境** ```bash conda create -n yolov5 python=3.8 -y conda activate yolov5 ``` 2. **安装PyTorch与依赖** ```bash pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 --extra-index-url https://download.pytorch.org/whl/cu117 ``` --- #### 五、安装YOLOv5 1. **克隆仓库并安装依赖** ```bash git clone https://github.com/ultralytics/yolov5 cd yolov5 pip install -r requirements.txt ``` 2. **验证GPU加速** ```python import torch print(torch.cuda.is_available()) # 应输出True ``` --- #### 六、测试YOLOv5 ```bash python detect.py --weights yolov5s.pt --source data/images/zidane.jpg ``` 检测结果将保存在`runs/detect/exp`目录。 ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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
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