ubuntu20部署yolov5环境 详细版 pytorch

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

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

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://developer.nvidia.com/rdp/cudnn-archive

下载好后解压缩，复制到指定路径

sudo cp cuda/include/* /usr/local/cuda-12.2/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-12.2/lib64
sudo chmod a+r /usr/local/cuda-12.2/include/cudnn.h 
sudo chmod a+r /usr/local/cuda-12.2/lib64/libcudnn*

验证是否成功

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

四、安装anaconda

1.下载

进入Anaconda官网下载 https://www.anaconda.com/
或者去清华大学开源软件镜像站 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ （推荐）

2.安装

使用bash命令安装Anaconda

bash ~/Downloads/Anaconda3-2023.11-Linux-x86_64.sh

安装过程：
1 按enter确认
2 accept接受
3 很长一段内容可以按q跳过
4 默认安装位置 按enter就行
5 初始化Anaconda 按 yes就行

打开终端输入，禁止自动开启conda的base环境
conda config --set auto_activate_base false

3.加速conda下载

在主目录中按ctrl+h显示隐藏文件，找到.condarc文件，打开，在文件最后输入：

channels:- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
show_channel_urls:true

保存

4.conda常用指令

查看版本

conda --version

卸载conda

rm -rf anaconda

创建新环境

conda create --name 环境名 包名 //例如：conda create --name yolo python=3.8

激活（切换）conda环境

conda activate 环境名  //例如：conda activate base

退出当前环境

conda deactivate

通过环境名删除

conda remove --name 要删除的环境名 --all

显示已经创建的环境

conda env list

五、创建yolo环境

conda create --name yolov5 python=3.8
conda activate yolov5

六、安装pytorch

官网找到合适的版本，12.2用12.1也没关系

https://pytorch.org/get-started/previous-versions/

一定要在yolov5环境下安装

安装完后验证

python
importtorchprint(torch.__version__) # pytorch版本
print(torch.version.cuda) # cuda版本
print(torch.cuda.is_available()) # 查看cuda是否可用

七、下载yolov5

git clone https://github.com/ultralytics/yolov5.git

先把requirements.txt里的torch和torchvision注释掉
#torch>=1.7.0
#torchvision>=0.8.1

pip3 install -r requirements.txt

或者指定源下载

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

去这里下载权重文件

https://github.com/ultralytics/yolov5/releases/tag/v6.1

验证

python detect.py --source "data/images/bus.jpg"--weights="weights/yolov5s.pt"

这样就是成功了（一定要在yolov5的环境下）

总结

零基础手把手实现yolov5环境配置。