ubuntu18.04 yolov5 环境配置

最新推荐文章于 2023-12-16 17:54:15 发布
最新推荐文章于 2023-12-16 17:54:15 发布
阅读量74 收藏
点赞数
文章标签： pytorch 人工智能 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sukmioo/article/details/123151762
版权

1.安装显卡驱动

检查显卡驱动ubuntu-drivers devices

安装显卡驱动

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update

sudo apt install nvidia-driver-470

重启电脑

nvidia -smi

sudo update-grub

nvidia -smi

2.下载anaconda

https://www.anaconda.com/products/individual#linux

cd Downlodas

bash Anaconda3-2021.11-Linux-x86_64.sh

yes>enter>yes

重新打开终端会在前面出现（base）

 conda upgrade --all

Anaconda虚拟环境基本操作：anaconda虚拟环境管理，从此Python版本不用愁 - 奥辰 - 博客园 

3.pycharm 安装

Ubuntu 18.04 安装 PyCharm_梦Dancing的博客-CSDN博客_ubuntu安装pycharm

在软件显示pycharm

sudo gedit /usr/share/applications/Pycharm.desktop

在弹出的匡里

[Desktop Entry]
Type=Application
Name=Pycharm
GenericName=Pycharm3
Comment=Pycharm3:The Python IDE
Exec=sh /home/zbr/pycharm-2021.3.2/bin/pycharm.sh
Icon=/home/zbr/pycharm-2021.3.2/bin/pycharm.png
Terminal=pycharm
Categories=Pycharm;

 4.cuda安装

export PATH=$PATH:$CUDA_HOME/bin

Miya_Xia
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
ubuntu18.04配置yolov5环境
weixin_44126988的博客
04-04 7044
ubuntu18.04配置yolov5
Ubuntu18.04配置yolov5环境
SLCnoon的博客
04-22 4489
Python3.7+nvidia-470+cuda11.4+cuDNN+Anaconda3++pytorch1.11
ubuntu18.04 安装yolov5环境及推理环境
weixin_45715405的博客
12-16 1498
去到下载的文件夹内，执行命令：bash Anaconda3-2023.09-0-Linux-x86_64.sh。至此CUDN + cuDNN安装完成，可以执行相关训练文件查看是否有gpu信息输出，或监控一下gpu状态。tensorRT官网网址（GA表示正式发布稳定版本、EA抢先版）查看tensorRT python api 版本。yolov5-pytorch推理速度。tensort推理(384*640)查看是否安装NVIDIA显卡。Torchhub模型预测使用。
Ubuntu18.04下通过yolov5进行训练（非anaconda版）
LMH564123的博客
07-20 413
Ubuntu18.04下通过yolov5进行训练（非anaconda版）
Ubuntu18.04 YOLOV5环境搭建
想做智能驾驶的菜鸟
10-30 8000
ubuntu18.04 yolov5环境搭建
ubuntu18.04服务搭建yolov5开发环境
LoongEmbedded的专栏
11-22 2802
ubuntu18.04服务搭建yolov5开发环境
ubuntu18.04裸机搭建yolov5-tensorrt
qq_41319718的博客
03-31 497
下载连接：https://developer.nvidia.com/rdp/cudnn-archive。这是一台是1650显卡的迷你电脑。在ubuntu的软件仓库查看本机相关的显卡信息。版本对应tensorrt，因为我RT选的7.2.3.4。选择11.1.0的小版本否则在转序列化文件的时候就会出现类似提示。conda create -n 环境名 python=版本号。然后查下 CUDA对应的版本号，安排470的驱动。运行下载的sh 文件，然后Enter下翻。将下载好的提取出CUDA包。
Ubuntu18.04环境下跑YOLOV5（打标+训练+测试）
qq_51072601的博客
03-22 1302
Ubuntu18.04环境下跑YOLOV5（打标+训练+测试），新手小白学习详细过程
Ubuntu18.04配置darknet环境实现YOLOv4目标检测(二)——基于python进行YOLOv4 inference
01-20
完成上一篇https://blog.csdn.net/linghu8812/article/details/100867702YOLOv4环境配置后，可基于python进行YOLOv4的inference，查看YOLOv4的检测结果。需要用到的库有darknet目录下的darknet.py文件，以及编译出来...
YOLOv5-LibTorch:通过LibTorch C ++ API部署YOLOv5进行实时对象检测
05-08
Ubuntu 18.04 OpenCV 3.2.0 LibTorch 1.6.0 CMake 3.10.2 入门 安装OpenCV。 sudo apt-get install libopencv-dev 安装LibTorch。 wget ...
【Linux】Ubuntu18.04安装过程记录
01-06
俗话说的好：重启能解决计算机中90%的问题，而重装系统能解决99%。下面开始储备解决计算机中99%疑难杂症的技能~~ 1 首先下载系统并烧录到U盘： 1.1 下载链接： http://releases.ubuntu.com/18.04/ubuntu-18.04.2-desktop-amd64.iso 1.2 烧录软件：rufus 选择如下： 原创文章 96获赞 33访问量 2万+ 关注
ubuntu1804 qt调用yolov4源码
02-25
总的来说，这个项目旨在教你如何在Ubuntu 18.04的Qt环境中整合YOLOv4的深度学习能力，实现对象检测功能。通过这个过程，你可以深入理解C++、Qt以及深度学习的结合，提高你的编程和项目实施能力。
基于PyTorch-YOLOv5的PyTorch-YOLOv5的ROS功能包 该功能包已在Ubuntu16.04和Ubuntu
最新发布
05-17
环境配置安装步骤： 安装Anaconda： 1.首先下载对应的安装包Anaconda 2.然后执行脚本安装anaconda（文件名为下载对应的.sh文件名） bash ~/Downloads/Anaconda3-2021.05-Linux-x86_64.sh 安装 Pytorch: 1. 首先创建...
rk3399pro_ubuntu18_环境设置.txt
06-26
针对RK3399pro官方开发板，官方只提供了fedora28系统，对于我们更常用的ubuntu系统并没有介绍如何使用，该文档是我使用ubuntu18.04运行npudemo过程中记录了全部的问题修改过程。可以正常使用wifi连网，用vnc完美运行...
在ubuntu18.04下安装yolov5
weixin_50765905的博客
07-25 986
在ubuntu下安装yolov5
Ubuntu18.04 或 Windows10 配置yolov5环境并测试运行
weixin_51374403的博客
05-22 1424
由于linux系统上的操作大部分可以在windows上系统的cmd命令行完成，所以本博客以ubuntu18.04系统作演示，相关的命令行指令和运行效果类似，如有明显的操作不同会另行说明。 第一步 配置虚拟环境（Anaconda） Anaconda官方网址：Anaconda | Anaconda Distribution 选择合适的系统及处理器架构进行下载： Linux系统可以通过以下命令查询处理器架构： uname -a 下载后通过以下命令安装：（windows直接点击...
【Ubuntu18.04使用yolov5教程】
vor234的博客
05-05 2646
这里参考的github上的yolo v5程序版本和功能比较全面，图片、视频、摄像头实时画面都可以使用，可以以这个程序为基础进行修改。
ubuntu18.04 搭建yolo5运行环境
zzcjake的博客
08-31 310
ubuntu16.04 搭建yolo5运行环境 1.安装python3.8 在这里插入代码片sudo apt-get install libffi-dev 2.安装依赖环境 sudo pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple/ Cython matplotlib numpy opencv-python pillow PyYAML scipy tensorboard tqdm 3.安装PYRORCH（https://download.py
【Jetson Ubuntu 18.04 安装YOLOv5】
hxb971002的博客
07-19 2680
【Jetson Ubuntu 18.04 安装YOLOv5】
ubuntu18.04 yolov5环境配置
06-28
### 回答1： 1. 安装Ubuntu 18.04操作系统 2. 安装CUDA和cuDNN - 下载CUDA和cuDNN - 安装CUDA - 安装cuDNN 3. 安装Python3和pip - 安装Python3 - 安装pip 4. 安装依赖库 - 安装numpy - 安装opencv - 安装pyyaml - 安装tqdm - 安装matplotlib 5. 下载yolov5 - 下载yolov5代码 - 下载预训练模型 6. 运行yolov5 - 运行yolov5检测脚本 - 检测结果输出 以上是Ubuntu18.04 yolov5环境配置的大致步骤，具体细节可以参考yolov5官方文档。 ### 回答2： 首先，要准备好以下硬件和软件环境： 硬件环境： - 一台配置较高的计算机 - NVIDIA显卡（非必需，但推荐） 软件环境： - Ubuntu18.04操作系统 - CUDA（>=10.2） - cuDNN（>=8.0） - Anaconda或Miniconda - Git 一、安装CUDA和cuDNN 1. 首先，检查NVIDIA显卡是否支持CUDA，并安装对应的NVIDIA驱动程序。可以通过以下命令检查当前系统中NVIDIA驱动程序的版本： ``` nvidia-smi ``` 2. 下载安装CUDA，可以从 https://developer.nvidia.com/cuda-downloads 下载对应版本的CUDA Toolkit及安装文档，按照文档的说明进行安装。 3. 下载安装cuDNN，可以从 https://developer.nvidia.com/cudnn 下载对应版本的cuDNN Library及安装文档，按照文档的说明进行安装。 二、Anaconda或Miniconda的安装与配置 1. 下载Anaconda或Miniconda，可以从 https://www.anaconda.com/products/individual 下载适用于Linux的Anaconda或Miniconda。 2. 安装Anaconda或Miniconda，安装结束后可以执行以下命令来检查是否安装成功： ``` conda --version ``` 3. 创建一个虚拟环境，可以通过以下命令创建一个名为yolov5的虚拟环境： ``` conda create --name yolov5 python=3.8 ``` 4. 激活虚拟环境，可以通过以下命令激活名为yolov5的虚拟环境： ``` conda activate yolov5 ``` 5. 安装常用的Python库，可以通过以下命令安装numpy、matplotlib、opencv等常用的Python库： ``` pip install numpy matplotlib opencv-python ``` 三、下载和配置YOLOv5 1. 从GitHub上下载YOLOv5，可以通过以下命令在当前目录下下载YOLOv5： ``` git clone https://github.com/ultralytics/yolov5.git ``` 2. 切换到YOLOv5目录，可以通过以下命令切换到YOLOv5目录： ``` cd yolov5 ``` 3. 安装依赖库，可以通过以下命令安装YOLOv5所需要的Python依赖库： ``` pip install -r requirements.txt ``` 至此，YOLOv5的环境配置完成了。 参考资料： - https://github.com/ultralytics/yolov5/wiki/Installation - https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html - https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html#install-linux ### 回答3： Ubuntu 18.04是一种广泛使用的操作系统，而YOLOv5是深度学习中常用的目标检测算法。本文将介绍如何在Ubuntu 18.04上配置YOLOv5环境。 1. 安装Anaconda 首先需要安装Anaconda。可以从安装源代码或者使用网络下载的方式进行安装。在安装过程中，可以根据具体需求选择不同的选项。安装完成后，需要在终端中输入以下命令启动Anaconda环境： conda activate 2. 安装CUDA和cuDNN 接下来需要安装CUDA和cuDNN。CUDA是NVIDIA公司的一个并行计算平台和API，用于加速基于GPU的应用程序。而cuDNN是一个针对深度神经网络的GPU加速库。可以从官网下载相应版本的CUDA和cuDNN，并按照安装流程进行安装。 3. 安装Python依赖库 可以使用以下命令安装Python依赖库： pip install numpy pyyaml matplotlib pip install opencv-python-headless opencv-contrib-python-headless 4. 下载YOLOv5源代码 可以从GitHub上下载YOLOv5的源代码： git clone https://github.com/ultralytics/yolov5.git 5. 安装YOLOv5依赖库 可以使用以下命令安装YOLOv5的依赖库： cd yolov5 pip install -r requirements.txt 6. 测试YOLOv5 可以运行以下命令，测试YOLOv5是否安装成功： python detect.py --weights yolov5s.pt --img 640 --conf 0.4 --source data/images/ 其中，detect.py是YOLOv5的主程序文件，weights参数指定训练好的模型文件，img参数指定输入图片的大小，conf参数指定置信度阈值，source参数指定输入的图片目录。运行成功后，可以看到YOLOv5的输出结果。 7. YOLOv5训练 如果需要训练自己的模型，可以使用以下命令： python train.py --batch 16 --epochs 30 --data data/coco128.yaml --cfg models/yolov5s.yaml --weights weights/yolov5s.pt 其中，train.py是训练程序文件，batch参数指定每个批次输入的图片数量，epochs参数指定训练的轮数，data参数指定训练数据的配置文件，cfg参数指定模型的配置文件，weights参数指定预训练的模型文件。训练完成后，可以使用detect.py测试自己训练的模型。 综上所述，配置Ubuntu 18.04上的YOLOv5环境需要安装Anaconda、CUDA、cuDNN等依赖库，下载YOLOv5源代码，安装依赖库并测试。在训练自己的模型时，需要按照一定的流程进行设置。配置YOLOv5环境需要较高的计算机基础，建议有一定经验的开发人员进行操作。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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