ubuntu安装git——解决无法获得锁 /无法锁定管理目录问题

sudo apt-get install git
E: 无法获得锁 /var/lib/dpkg/lock - open (11: 资源暂时不可用)
E: 无法锁定管理目录(/var/lib/dpkg/),是否有其他进程正占用它?
当执行sudo apt-get相关的命令,会显示上面类似的错误
参考别人的解决方法是

sudo rm /var/cache/apt/archives/lock
sudo rm /var/lib/dpkg/lock

E: Could not get lock /var/lib/apt/lists/lock - open (11: Resource temporarily unavailable)
E: Unable to lock directory /var/lib/apt/lists/
E: Could not get lock /var/lib/dpkg/lock - open (11: Resource temporarily unavailable)
E: Unable to lock the administration directory (/var/lib/dpkg/), is another process using it?
可以运行

sudo rm /var/lib/apt/lists/lock
sudo rm /var/lib/dpkg/lock



作者:yuanCruise
链接:https://www.jianshu.com/p/08f53e33b742
来源:简书
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

### YOLOv5在Ubuntu上的使用教程 #### 安装依赖库 为了能够在Ubuntu上顺利运行YOLOv5模型,需要先安装一系列必要的软件包。这包括但不限于Python版本管理工具`pyenv`以及通过它来设置合适的Python环境[^1]。 ```bash sudo apt-y python3-pip git pip3 install --upgrade pip setuptools wheel ``` #### 获取源码并准备项目结构 从GitHub仓库克隆官方维护的YOLOv5代码至本地机器,并进入对应的文件夹内完成初步准备工作。 ```bash git clone https://github.com/ultralytics/yolov5.git cd yolov5 ``` #### 设置Python开发环境 采用Anaconda创建独立的工作空间可以有效隔离不同项目的依赖关系冲突问题;同时确保所选Python解释器满足YOLOv5最低要求——即至少为3.7以上版本[^2]。 ```bash conda create -n yolov5 python=3.9 -y conda activate yolov5 ``` #### 安装所需的Python库 依据README.md文档指引,利用Pipfile锁定具体版本号的方式批量下载第三方扩展模块,特别是PyTorch框架及其配套组件CUDA Toolkit等GPU加速支持部分。 ```bash pip install -r requirements.txt ``` #### 验证安装成果 最后一步是验证整个流程是否成功执行完毕。可以通过调用预训练权重来进行简单的图像检测测试案例,以此确认所有环节均正常运作无误。 ```python from pathlib import Path import torch from models.common import DetectMultiBackend from utils.dataloaders import IMG_FORMATS, VID_FORMATS, LoadImages, LoadStreams from utils.general import (LOGGER, check_file, check_img_size, check_imshow, colorstr, cv2, increment_path, non_max_suppression, print_args, scale_coords, strip_optimizer, xyxy2xywh) from utils.plots import Annotator, colors, save_one_box from utils.torch_utils import select_device, time_sync weights = 'yolov5s.pt' imgsz=(640, 640) device='' conf_thres=0.25 iou_thres=0.45 max_det=1000 classes=None agnostic_nms=False augment=False visualize=False line_thickness=3 hide_labels=False hide_conf=False half=False dnn=False # Initialize device = select_device(device) model = DetectMultiBackend(weights, device=device, dnn=dnn) stride, names, pt = model.stride, model.names, model.pt imgsz = check_img_size(imgsz, s=stride) # check image size source='data/images/bus.jpg' dataset = LoadImages(source, img_size=imgsz, stride=stride, auto=pt and not dnn) for path, im, im0s, vid_cap, s in dataset: im = torch.from_numpy(im).to(device) im = im.half() if half else im.float() im /= 255 if len(im.shape) == 3: im = im[None] pred = model(im, augment=augment, visualize=visualize) pred = non_max_suppression(pred, conf_thres, iou_thres, classes, agnostic_nms, max_det=max_det) for i, det in enumerate(pred): p, im0, frame = path, im0s.copy(), getattr(dataset, 'frame', 0) p = Path(p) gn = torch.tensor(im0.shape)[[1, 0, 1, 0]] annotator = Annotator(im0, line_width=line_thickness, example=str(names)) if len(det): det[:, :4] = scale_coords(im.shape[2:], det[:, :4], im0.shape).round() for *xyxy, conf, cls in reversed(det): c = int(cls) label = None if hide_labels else (names[c] if hide_conf else f'{names[c]} {conf:.2f}') annotator.box_label(xyxy, label, color=colors(c, True)) im0 = annotator.result() cv2.imshow(str(p), im0) cv2.waitKey(1) ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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