【深度学习】在虚拟机Ubuntu中安装Anaconda+pycharm+跑通YOLOv8项目源代码+训练自己的数据集

因为一些特殊的原因，需要从之前CPU的win跑代码转移到GPU的虚拟机Ubuntu里面去跑，故在此记录一下安装软件和搭建环境的一些步骤，码一下以便以后查看。

文章目录

因为虚拟机提前安装了英伟达驱动，在此就不赘述驱动程序的安装了。
ps：
如果在终端输入

nvidia-smi

显示以下即为驱动程序已安装

如果是以下即为未安装驱动程序（图为网上查找的）

安装Anaconda+pycharm整体流程是借鉴小白菜的笔记(笔记)ubuntu20.04里安装anaconda然后在conda里安装pytorch这篇文章。

1.安装Anaconda

1.1下载Anaconda安装包

安装Anaconda的详细过程借鉴萝北村的枫子的文章Ubuntu安装Anaconda详细步骤（Ubuntu22.04.1，Anaconda3-2023.03）
进入Anaconda官网：https://repo.anaconda.com/archive/
我下载的是2021.11_Linux_x86

将下载中的文件移动到新创建的文件夹anaconda中

1.2安装Anaconda

点击空白处，选择终端打开

输入命令行：

bash Anaconda3-2021.11-Linux-x86_64.sh

输入yes，然后回车即可

后面会显示协议的一些内容，一直回车即可，直到显示让你输入yes

输入yes
选择默认的安装目录（默认在用户主目录下创建一个名为anaconda3的文件夹作为安装地址），等待安装完成
注意：此处默认安装的路径直接回车即可，不要输入新的地址，我刚开始以为跟着输入yes，结果就是安装到新创建的yes这个文件夹，后面打开的时候就有bug，然后重新安装了一遍，第二个>>> 直接回车不要输入

输入yes

安装完成

进入安装文件右击，终端打开，输入conda list即可看到已安装的anaconda

安装完成后，之前建立的anaconda文件夹及安装包删除即可。

2.使用Anaconda搭建环境

创建环境的详细步骤在我之前的笔记中有写,此处不再赘述，可以参考：【深度学习】使用GPU（CUDA）跑通YOLOv5源码，包含搭建环境+训练数据集+预测（整套流程）





慢慢等待安装即可。

安装完成后可以通过以下命令进行查看是否安装成功

import torch                           
import torchvision                          
print(torch.cuda.is_available())print(torch.backends.cudnn.is_available())print(torch.version.cuda)print(torch.backends.cudnn.version())

tips： 我发现安装anaconda后，打开终端都会有前面的（base），强迫症想取消掉，然后找了解决方法：

以后如果想进入某环境，直接使用conda avtivate命令进入即可。

至此，anaconda安装完成+python虚拟环境搭建完成。

3.安装pycahrm

3.1下载pycharm

进入官网：https://www.jetbrains.com/pycharm/download/?section=linux#section=linux
下载压缩包，我下载的是社区版就够用了。下载后我新建了一个pycharm的文件夹，将压缩包解压到此。


在命令行输入：

cd pycharm-community-2022.2.4/bin/
./pycharm.sh

3.2添加环境

点击pycharm界面的右下角添加解释器

3.3添加pycharm的图标

此处借鉴的是
炼丹炼丹的文章Ubuntu系统下设置桌面图标快捷方式(以Pycharm为例)
添加桌面图标可以直接点击图标就进入应用，不用再使用命令行进入



第五行就是应用打开的所在位置，第六行是图标所在位置

4.跑通YOLOv8项目

去官网下载YOLOv8源码以及预训练权重，我下载的是YOLOV8s.pt：https://github.com/ultralytics/ultralytics
下载完成后使用pycharm打开项目
安装依赖：

YOLOv8好像还要安装一个ultralytics包

pip install ultralytics

将下载的权重放在根目录下即可

验证环境配置是否能够成功跑通项目：

yolo predict model=yolov8s.pt source='ultralytics/assets/bus.jpg'

成功跑通：

5.训练自己的数据集

此处指简略的写一些流程，详细可以参考我的上一篇文章：
【深度学习】使用GPU（CUDA）跑通YOLOv5源码，包含搭建环境+训练数据集+预测（整套流程）
我是将自己的数据集放入根目录下的own_datas文件夹中，训练集验证集如图所示。需要自己编写一个own_datas.yaml

own_datas.yaml就是写清数据集所在位置，以及数据集中的类，以及分别的标签是啥。

使用命令行进行开始训练

此处贴一下命令行的格式：

训练完成后，会在项目根目录下的runs文件夹中找到训练结果。

—

结束语

浅浅记录自己在虚拟机Ubuntu中安装Anaconda和pycharm的全过程，以及跑通YOLOv8项目+训练自己的数据集的全过程。