ubuntu18.04配置yolov8环境

1.安装显卡驱动

ubuntu18.04, 显卡2060,CUDA 版本根据系统推荐

 

• 更新显卡信息，非常重要，否则可能识别出错

sudo update-pciids

•  查看显卡推荐驱动

ubuntu-drivers devices

(注意：先禁止系统自带显卡驱动nouveau)

通过指令lsmod | grep nouveau查看nouveau驱动的启用情况， 如果有输出表示nouveau驱动正在工作， 如果没有内容输出则表示已经禁用了nouveau

• 安装推荐驱动

sudo apt install nvidia-driver-470 reboot 

• 选择驱动     (----》软件更新----》附加驱动)

2.cuda安装

• 选择推荐的CUDA版本

nvidia-smi

 

•  官网选择cuda对应版本

 

• 下载文件并安装

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

sudo apt-get install libglfw3-dev

 选择continue,通过键盘控制，回车确定

选择acccept

接着，如下图所示，在弹出的界面中通过Enter键，取消Driver和470.42.01的安装， 然后点击Install

系统安装CUDA包括两个部分：NVIDIA CUDA GPU计算工具包和NVIDIA CUD示例包两个部分。

如下图所示，Ubuntu20.04系统会默认地将CUDA的NVIDIA GPU计算工具包安装到/usr/local/文件夹下面，可以看到该文件夹下多了两个文件夹cuda和cuda-11.4。

sudo gedit ~/.bashrc

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda

source ~/.bashrc

• 检查安装是否成功

sudo apt-get install libglfw3-dev

进入../NVIDIA_CUDA-11.0_Samples内，在该文件夹下打开终端，并输入make,等待。然后进入1_Utilities/deviceQuery文件夹，并在终端执行./deviceQuery命令，如下result=PASS则表示安装成功。 

3.cuDNN安装

• 下载链接（要登录）

找到cuda对应版本

• 安装

然后，进入cudnn-XXXXXX,并右键->在终端打开使用下面两条指令
复制cuda文件夹下的文件 lib64 到 /usr/local/cuda-11.4/lib64/
复制cuda文件夹下的文件 linclude 到 /usr/local/cuda-11.4/include/

sudo cp cuda/lib64/* /usr/local/cuda-11.4/lib64/
sudo cp cuda/include/* /usr/local/cuda-11.4/include/

• 检查是否安装成功

cat /usr/local/cuda-11.4/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

出现下图为成功

• 检测功能是否正常

  点击链接，下载对应文件

通过下面三条指令，cuDNN的测试文件会自动安装在系统的/usr/src/cudnn_samples_v8文件夹下，进入mnistCUDNN下，执行命令sudo make clean && make。如果结果如下图所示，则表示cuDNN安装成功。

sudo dpkg -i libcudnn8_8.2.4.15-1+cuda11.4_amd64.deb 
sudo dpkg -i libcudnn8-dev_8.2.4.15-1+cuda11.4_amd64.deb 
sudo dpkg -i libcudnn8-samples_8.2.4.15-1+cuda11.4_amd64.deb 


查询

sudo dpkg -l | grep cudnn

sudo make clean && make

./mnistCUDNN

*CUDA的卸载

进入到/usr/local/cuda-11.4/bin目录下，而不是cuda目录。然后打开终端，输入sudo ./cuda-uninstaller。

sudo ./cuda-uninstaller

输入命令后，弹出如下界面，通过回车键选中三个选项，最后选中Done。执行完下面指令后，上面的cuda文件就删除了。

最后，在终端输入命令sudo rm -rf /usr/local/cuda-11.4，就可以最终卸载CUDA11.4和cuDNN v8.2.4了。

sudo rm -rf /usr/local/cuda-11.4

4.Anconda安装

• 网页手动下载

Download下载到本地（Anaconda会根据访问网页所使用的系统，推荐对应的Anaconda版本，用户无需担心版本错误。如果有特定版本需要的朋友，则可以根据需要自行下载对应版本的Anaconda）。

• 运行下载的文件

 ~/Downloads/Anaconda3-2021.11-Linux-x86_64.sh

在STEP1中已经执行了安装命令。指令执行结果首先让我们审阅安装协议，这里一直按

Enter直到出现 Do you accept the license terms? [yes|no] ，表示协议阅读完毕输入

yes即可继续安装，如下：

执行完STEP3Anaconda在Ubuntu系统里面的安装基本完毕了，但是还需要最后一步 初始化Anaconda，这一步只需要根据提示输入

yes即可，界面如下：

安装在当前用户目录下的情况只需要将Anconda3的安装地址添加进PATH即可。首先打开

~/.bashrc，然后在将

export PATH=$PATH:/home/USERNAME/anaconda3/bin添加到末尾，最后更新一下

~/.bashrc。依次执行下面代码。

sudo gedit ~/.bashrc

export  PATH=$PATH:/home/USERNAME/anaconda3/bin

source ~/.bashrc

• 验证与配置新环境 

 Acnconda添加国内镜像源，重新打开一个终端，执行下面命令

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

执行下面命令

conda config --set auto_activate_base false


当然这一条命令执行完毕后，想要再次进入conda的base环境，
只需要使用对应的conda指令即可，如下：

conda activate base




conda create -n labelimg python=3.8 

通过labelimg，可以对数据集进行标注。

5.yolov8安装

• 创建yolov8环境

conda create -n yolov8 python=3.9

•  激活环境

  conda activate yolov8

• 安装pytorch

根据cuda版本和需求在官网进行选择，可以是GPU版本,也可以是CPU版本

这里我的cuda版本为11.4,可以向下兼容，选择11.3的版本安装

• 下载yolov8原码

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

•  将yolo格式的数据集放到ultralytics目录下，在./cfg/dataset中添加数据集配置文件
• 在ultralytics目录下创建train.py文件进行验证 

from ultralytics import YOLO

# Load a model
#yolov8s
#model = YOLO("yolov8s.yaml")



# Train the model
results = model.train(data="ultralytics/cfg/datasets/mydata.yaml", epochs=200, imgsz=640)

• 在yolov8环境下的终端执行python train.py命令

python train.py

报错缺少哪个库就pip install 安装。

如果pip install下载较慢，使用下面命令可以加快下载速度

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple package_name

如果是numpy报错，重现安装1.26.4版本的numpy

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy==1.26.4