Yolov8-目标检测-环境配置

为了搭建yolo8的环境，费了不少时间，这周的主要工作就是搭建环境，目前已经经历重装linux系统4次，还是有一点心得的。由第一次的畏畏缩缩，到现在的熟练，中间的苦楚只有我自己知道。。。稍有不慎，就得重装。

看了知乎和csdn上的不少文章，还在b站看了一些视频，大概理清楚了，这次应该能完美安装吧？

前三次，我是直接安装的ubuntu22.04，遇到了各种各样的问题，后面需要安装自己的驱动时，搜索自己需要的版本，偶然在nvidia的官网看到了535.34 for ubuntu 20.04，就想着要不然安装一个ubuntu20.04吧。后面从安装成功到现在，好像没有看到什么问题，不过我估计后面还得出问题。。。但是但愿不会！

---

奇奇怪怪的各种问题

（1）问题一：每次都会遇到E：无法定位软件包的问题，于是各种操作下来，一通换源，什么阿里云的，清华的，中科大的，都试过，偶尔行，偶尔不行，可能看运气？？？不清楚

（2）问题二：这次安装的ubuntu20.04版本的，输入nvidia-smi查看驱动：显示是525.85？感觉不对劲啊？前几次我安装的版本是ubuntu22.04，显示的都是535.54，而且输入nvidia-smi，不会弹出下面这个框框，这个跟ubuntu版本有关系的吗？

（3）问题三：今天早上在知乎上面看到了一篇文章，感觉有种醍醐灌顶的感觉

安装Pytorch如何选择CUDA的版本，看这一篇就够了 - 知乎

疑惑

我的疑惑是：

• 在anaconda里面创建自己的虚拟环境之后，再下载cuda11.8版本的，这个自己安装的python版本是不是有什么要求？
• 我安装完anaconda，在我的base环境里面，conda list之后，并没有cudatoolkit这个库，所以还是需要我自己下载？

 Yolov8-requirements

官网上，运行yolov8的话，对环境有一些要求：

# Ultralytics requirements
# Example: pip install -r requirements.txt

# Base ----------------------------------------
matplotlib>=3.3.0
numpy>=1.22.2 # pinned by Snyk to avoid a vulnerability
opencv-python>=4.6.0
pillow>=7.1.2
pyyaml>=5.3.1
requests>=2.23.0
scipy>=1.4.1
torch>=1.8.0
torchvision>=0.9.0
tqdm>=4.64.0

# Logging -------------------------------------
# tensorboard>=2.13.0
# dvclive>=2.12.0
# clearml
# comet

# Plotting ------------------------------------
pandas>=1.1.4
seaborn>=0.11.0

# Export --------------------------------------
# coremltools>=7.0  # CoreML export
# onnx>=1.12.0  # ONNX export
# onnxsim>=0.4.1  # ONNX simplifier
# nvidia-pyindex  # TensorRT export
# nvidia-tensorrt  # TensorRT export
# scikit-learn==0.19.2  # CoreML quantization
# tensorflow>=2.4.1,<=2.13.1  # TF exports (-cpu, -aarch64, -macos)
# tflite-support
# tensorflowjs>=3.9.0  # TF.js export
# openvino-dev>=2023.0  # OpenVINO export

# Extras --------------------------------------
psutil  # system utilization
py-cpuinfo  # display CPU info
thop>=0.1.1  # FLOPs computation
# ipython  # interactive notebook
# albumentations>=1.0.3  # training augmentations
# pycocotools>=2.0.6  # COCO mAP
# roboflow

 安装cuda

安装

不知道是不是还是需要在系统中安装cuda，就去搜了一下，有的人说系统没有安装cuda，还是会遇到问题，所以还是先提前在系统安装cuda11.8版本的，下面是终端输出的信息。

 配置环境变量

 检查是否安装成功

走到这一步真不容易啊啊啊啊啊啊啊

在知乎又看到，真是不理解

那我还要在自己创建的虚拟环境中安装cudatoolkit吗？？？？？？？

算了，我还是安装一下好了。。。

虚拟环境安装cudatoolkit

（1）创建自己的虚拟环境

 这里随便装了一个版本，反正是虚拟环境，用不着删了就行

conda create --name mypy python=3.11.5

 （2）在自己的虚拟环境中安装cuda11.8

先激活自己创建的虚拟环境，输入命令查看以下信息：

conda search cudatoolkit #查看可以用来安装的cudatoolkit的所有版本

conda search cudatoolkit --info
#查看所有列出来的cudatoolkit的详细信息，包括版本号version，文件网址url，依赖项dependencies

安装cuDNN

切换到自己的虚拟环境，进行cuDNN的安装

还有一系列的更新源操作，但是经历过之前重装系统n次的参同教训，这一次不敢随便的换源

框框内的操作没有做，如果后面出现了什么问题，重新试试这个看看能不能解决

等待了一段时间之后，到了下班时间就去吃饭了，从食堂回来看到弹出了以下信息：

 安装其它依赖项

安装yolov8

弹出的信息是需要安装的库早已经存在了，应该是前面已经安装过了

目前还不知道怎么测试是否安装成功，先尝试直接在终端直接输入yolo命令，显示以下信息：

调用yolov8命令，显示以下信息：

至此，环境配置完成，接下来开始训练自己的数据！！！

这次配置直接在系统中安装cuda，没有在自己创建的python3.11虚拟环境中安装cudatoolkit，切换到自己的虚拟环境安装了cuDNN以及一些依赖项，不知道后面会不会有什么影响，要是后面遇到问题再说。

以上步骤，安装cuDNN、安装其它依赖项、安装yolov8主要参考了这个视频：

Ubuntu22下安装YoloV8环境_哔哩哔哩_bilibili

在youtube上这位博主讲解了怎么利用yolov8实现目标检测：

(107) Computer vision engineer - YouTube

下载了新的yolov8版本8.1.33，进行推理的时候报错（2024.3.24）

模型没下载完全问题，重新下载了yolov8n.pt，问题解决

 参考

conda虚拟环境中安装cuda和cudnn，再也不用头疼版本号的问题了_conda cudnn-CSDN博客
虚拟环境中cuda版本与系统cuda版本不同有什么影响_anaconda 安装cuda和原有cuda冲突吗_bloomerOAO的博客-CSDN博客