Ubuntu20.04配置深度学习+yolov5+yolov7环境

本文详细指导了在Ubuntu20.04系统上配置GPU驱动、安装Anaconda、不同Python环境管理、PyTorchCPU/GPU版本、TensorFlow、以及YOLOv5和YOLOv7模型的安装步骤,适用于深度学习开发者。

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

目录

一、换国内源

二、安装gpu驱动

三、Anaconda安装

四、pytorch-cpu版本安装

五、cuda安装

六、cudnn安装

七、pytorch-gpu安装

八、tensorflow安装

九、yolov5配置

十、yolov7配置


我的配置:(配置不同软件版本要求不同,建议查一查先)

ubuntu20.04

RTX4070ti

NVIDIA-SMI 550.78

CUDA Version: 12.4  (最高支持12.4但我装的12.1)

一、换国内源

换好后更新一下

sudo apt update
sudo apt upgrade

二、安装gpu驱动

1.禁用nouveau

sudo gedit /etc/modprobe.d/blacklist.conf

文件最后一行添加

blacklist nouveau

 保存后终端运行

sudo update-initramfs -u

2.卸载旧的驱动(第一次安装驱动,可省略)

3.安装gcc

sudo apt install gcc

4.下载安装对应版本的gpu驱动及验证

具体参考B站Ubuntu安装NVIDIA显卡驱动

三、Anaconda安装

1.安装Anaconda

下载对应版本anaconda下载链接 64bit(x86)

cd2d5843de474f319127003889bda4b9.png

cd到下在文件所在目录进行安装

bash Anaconda3-2024.02-1-Linux-x86_64.sh

然后一直按回车键,直到出现“Do you accept the license terms”, 输入“yes” 

出现“Anaconda3 will now be installed into this location: /home/xxx/anaconda3”,直接按回车键安装在该目录中。

出现“Do you wish the installer to initialize Anaconda3 by running condo init?”, 输入“no”。

这时anaconda已经基本安装完成了。

2.区分Ubuntu自带python和anaconda中的python

Linux中会自带python, Ubuntu20.04中自带python3,已经没有python2了。这时不区分不影响anaconda的正常使用,但pytorch和tensorflow对这Linux中自带的python3和anaconda中的python的使用需求不同,后期需要进行两者的切换。

cd到根目录

cd ~

安装vim

sudo apt install vim

用vim打开.bashrc文件,并进行修改。

sudo vim .bashrc \\利用vim打开.bashrc文件

输入小写字母i,进行vim的编辑模式。此时可以在.bashrc文件进行编辑了,在文件最后加入以下命令: 

alias python3="/usr/bin/python3.8"\\给系统自带的python起一个别名,就叫python3
export PATH="/home/xxx/anaconda3/bin:$PATH"\\anaconda3中的python

 然后按下esc键,再输入:wq!后按回车。

继续在终端中对刚才修改的. bashrc文件执行以下。

source .bashrc
python \\本条命令应该启动anaconda3中的python
exit() \\退出
python3 \\本条命令应该启动系统的python
exit() \\退出

3.创建D

### 安装 YOLOv11 及其所需 AMD 驱动和依赖项 对于配备 AMD 显卡的设备,在安装 YOLOv11 前需完成特定准备工作,包括但不限于驱动程序的选择与安装以及必要的软件环境构建。 #### 选择并安装合适的 AMD GPU 驱动 针对现代 Linux 发行版如 Ubuntu 20.04 LTS, 推荐使用最新的稳定版本 Radeon Software for Linux 来获取最佳性能和支持。可以通过官方仓库或者直接从 AMD 下载最新驱动来实现这一点[^3]: ```bash sudo apt update && sudo apt upgrade -y sudo ubuntu-drivers autoinstall ``` 上述命令会自动检测系统硬件需求,并尝试安装最适合当前系统的图形驱动器。 #### 构建适用于 YOLOv11 的开发环境 考虑到 YOLOv11 对计算资源的需求较高,建议采用 Anaconda 创建独立 Python 虚拟环境来进行项目隔离管理。具体操作如下所示: ##### 创建虚拟环境 ```bash conda create --name yolov11 python=3.9 -y ``` ##### 激活新创建的虚拟环境 ```bash conda activate yolov11 ``` ##### 安装 PyTorch 和其他必要库 由于 YOLOv11 主要基于 PyTorch 开发,因此需要先确保已正确设置好对应的框架及其扩展包。鉴于目标平台为 CPU 或者仅支持 OpenCL 的 AMD 设备,应特别注意选择不含 CUDA 支持的纯 CPU 版本PyTorch : ```bash pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cpu/stable ``` 接着按照官方文档指示逐步引入其余依赖组件,比如 NumPy、OpenCV 等常用工具集。 ##### 获取 YOLOv11 源码及相关资源 最后一步是从 GitHub 上克隆 YOLOv11 库至本地工作目录内,并依照 README 文件中的指导完成剩余初始化流程。 ```bash git clone https://github.com/example/yolov11.git cd yolov11 pip install -r requirements.txt ``` 请注意替换 `https://github.com/example/yolov11.git` 为实际发布的 YOLOv11 存储库链接地址。
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