devbox
笔触狂放9
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
当前位置:   article > 正文

Ubuntu20.04配置深度学习+yolov5+yolov7环境_yolov5 gpu ubuntu

作者：笔触狂放9 | 2024-06-10 14:36:36

赞

踩

yolov5 gpu ubuntu

目录

一、换国内源

二、安装gpu驱动

三、Anaconda安装

四、pytorch-cpu版本安装

五、cuda安装

六、cudnn安装

七、pytorch-gpu安装

八、tensorflow安装

九、yolov5配置

十、yolov7配置

我的配置：（配置不同软件版本要求不同，建议查一查先）

ubuntu20.04

RTX4070ti

NVIDIA-SMI 550.78

CUDA Version: 12.4  (最高支持12.4但我装的12.1)

一、换国内源

换好后更新一下

  1. sudo apt update
  2. sudo apt upgrade

二、安装gpu驱动

1.禁用nouveau

sudo gedit /etc/modprobe.d/blacklist.conf

文件最后一行添加

blacklist nouveau

 保存后终端运行

sudo update-initramfs -u

2.卸载旧的驱动（第一次安装驱动，可省略）

3.安装gcc

sudo apt install gcc

4.下载安装对应版本的gpu驱动及验证

具体参考B站Ubuntu安装NVIDIA显卡驱动

三、Anaconda安装

1.安装Anaconda

下载对应版本anaconda下载链接 64bit（x86）

cd2d5843de474f319127003889bda4b9.png

cd到下在文件所在目录进行安装

bash Anaconda3-2024.02-1-Linux-x86_64.sh

然后一直按回车键，直到出现“Do you accept the license terms”, 输入“yes” 

出现“Anaconda3 will now be installed into this location: /home/xxx/anaconda3”，直接按回车键安装在该目录中。

出现“Do you wish the installer to initialize Anaconda3 by running condo init?”, 输入“no”。

这时anaconda已经基本安装完成了。

2.区分Ubuntu自带python和anaconda中的python

Linux中会自带python, Ubuntu20.04中自带python3,已经没有python2了。这时不区分不影响anaconda的正常使用，但pytorch和tensorflow对这Linux中自带的python3和anaconda中的python的使用需求不同，后期需要进行两者的切换。

cd到根目录

cd ~

安装vim

sudo apt install vim

用vim打开.bashrc文件，并进行修改。

sudo vim .bashrc \\利用vim打开.bashrc文件

输入小写字母i，进行vim的编辑模式。此时可以在.bashrc文件进行编辑了，在文件最后加入以下命令： 

  1. alias python3="/usr/bin/python3.8"\\给系统自带的python起一个别名，就叫python3
  2. export PATH="/home/xxx/anaconda3/bin:$PATH"\\anaconda3中的python

 然后按下esc键，再输入:wq!后按回车。

继续在终端中对刚才修改的. bashrc文件执行以下。

source .bashrc
  1. python \\本条命令应该启动anaconda3中的python
  2. exit() \\退出
  3. python3 \\本条命令应该启动系统的python
  4. exit() \\退出

3.创建Deeplearning的环境

  1. \\这步中Deeplearning可以换成任何你喜欢的名字(建议短一点)
  2. conda create -n Deeplearning python=3.11   \\3.11是anaconda中的python版本
  3. \\查看你创建的环境
  4. conda env list
  5. \\激活创建的环境
  6. conda activate Deeplearning
  7. \\关闭环境
  8. conda deactivate

【注】：有时候conda activate Deeplearning语句会提示错误，将该句换为“source activate Deeplearning”即可，之后输入conda的任何命令都可以正常进行了。

4.本文所有步骤完成后如需再新建一个环境，只需要重复步骤四、八

5.如需删除环境

  1. conda env list \\查看创建的环境列表
  2. conda uninstall -n Deeplearning --all

四、pytorch-cpu版本安装

1.安装

激活你创建的Deeplearning环境

conda activate Deeplearning \\Deeplearning是我上面起的名字

根据情况选择安装语句，下载地址：PyTorch

我装的2.1.1

conda install pytorch==2.1.1 torchvision==0.16.1 torchaudio==2.1.1 cpuonly -c pytorch

58ff62b95176440ea0348ee8384f4ccb.png

2.测试

1. 进入python界面的语句和上一节“区分Ubuntu自带python和anaconda中的python”中你设置的alias有关；

2. import torch语句执行后，若无任何提示，撒花！恭喜你：pytorch安装成功！若提示没有该模块，回去检查吧，哪步有问题，再重新开始执行；

3. 输入exit()或者按ctrl+d退出python执行界面。

  1. python \\进入python执行界面
  2. import torch \\若无任何提示，安装成功
  3. exit() \\退出python执行界面

五、cuda安装

1.安装cuda

下载地址：CUDA

由于系统不同，每个人安装cuda的语句不尽相同

选择对应的版本，我安装的是12.1.0

然后直接根据下载页面的语句提示安装即可。

"Do you accept the above EULA?"输入accept 

然后将Driver前面的选项按回车去掉，其他的保持不动，选择“Install”，稍等几分钟就装好了。

2.配置环境

类似于以上章节中区分两种python的环境，这里也要打开.bashrc文件添加路径。

  1. sudo vim ~/.bashrc \\进入vim界面。输入字母i，进入编辑模式
  2. \\在bashrc文件中输入以下命令，注意修改你的cuda版本
  3. export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-12.1/lib64
  4. export PATH=$PATH:/usr/local/cuda-12.1/bin
  5. export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-12.1
  6. \\输入完成后，点击esc键并输入:wq!后按回车
  7.  
  8. \\这时候返回终端了
  9. source ~/.bashrc \\运行.bashrc文件

 3.安装完成检查 

nvcc --version

 若出现以下的界面，则表示cuda安装完成。

779e1acabd654196a0e20ec03d15e8ea.png

 4.切换CUDA版本

在任一终端执行sudo gedit ~/.bashrc，打开环境变量配置文本。将里面所有与cuda有关的带版本号路径都改为无版本号的。比如我之前已经安装好了cuda12.1，然后当时配置环境变量时，有许多/usr/local/cuda-12.1/这样的路径，要做的就是把所有的-12.1都去掉。

修改好之后，保存并关闭文件，然后在终端执行命令source ~/.bashrc使环境变量的修改生效。
然后，要切换cuda版本的时候，直接建立对应的软链接即可，命令如下：

  1. sudo rm -rf /usr/local/cuda    #删除之前创建的软链接
  2. sudo ln -s /usr/local/cuda-11.3 /usr/local/cuda    #创建链接到cuda11.3的软链接
  3. nvcc --version    #查看当前cuda版本

如果要更改回去，则只需要执行类似上面的命令即可。

六、cudnn安装

cudnn的安装相比以上过程就简洁多了，但是在Nvidia下载cudnn文件时稍微有点麻烦，需要先注册一个Nvidia账号，再填写一个调查问卷。

然后才能进入cudnn的正式下载页面。下载地址:cudnn

根据cuda版本和电脑系统，选择合适的cudnn进行下载

我下载的是v8.9.6 for cuda12.x Linux x86_64版本

下载好后，将.tz文件进行解压缩，并打开终端，进入解压缩后的目录。以/home/xxx/下载为例。

cd /home/xxx/下载 \\cd到下载目录

 输入以下命令：

  1. sudo cp cuda/include/cudnn*.h /usr/local/cuda-12.1/include/
  2.  
  3. sudo cp cuda/lib/libcudnn* /usr/local/cuda-12.1/lib64/
  4.  
  5. sudo chmod a+r /usr/local/cuda-12.1/include/cudnn*.h /usr/local/cuda-12.1/lib64/libcudnn*

七、pytorch-gpu安装

在“四、pytorch-cpu安装”中已经展示了如何安装pytorch-cpu版本了，这可以让你在不使用gpu时也能对代码进行调试验证，也就是import torch是可以正常导入的，但torch.cuda.is_available()会返回False。这时我们安装pytorch-gpu版本。

原文用官网能装上但我装不上，在验证阶段一直返回false。

解决办法：去清华大学镜像站下载     链接：清华镜像

6e10f7d9d8784c9ca6a58c523c8060cf.png

e3222532a00146178f0648d8bced905b.png

d3fbab5f252145e3807beb33a56ec0cd.png

 cd到下载目录，在虚拟环境中离线安装

source activate Deeplearning \\激活你创建的虚拟环境
  1. conda install --offline pytorch-2.1.1-py3.11_cuda12.1_cudnn8.9.2_0.tar.bz2
  2.  
  3. conda install --offline torchaudio-2.1.1-py311_cu121.tar.bz2
  4.  
  5. conda install --offline torchvision-0.16.1-py311_cu121.tar.bz2

最后验证:

  1. source activate Deeplearning \\激活你创建的虚拟环境
  2. python \\运行python (启动命令与你上文中起的别名有关)
  3. import torch \\导入torch模块,这里应该没有任何输出
  4. torch.cuda.is_available() \\输出True则安装成功
  5. exit() \\退出python
  6. conda deactivate Deeplearning \\退出虚拟环境

八、tensorflow安装

创建新环境

conda create -n tsfl python=3.11

激活环境

source activate tsfl

 安装

pip install tensorflow==2.15.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

 验证

  1. python
  2. import tensorflow as tf
  3. tf.test.is_gpu_available()

 信息太多了修改一下显示范围

  1. import os
  2.  
  3. # os.environ["TF_CPP_MIN_LOG_LEVEL"] = "0"  # 默认等级，显示所有信息INFO、WARNING、ERROR、FATAL
  4. # os.environ["TF_CPP_MIN_LOG_LEVEL"] = "1"  # 显示WARNING、ERROR、FATAL
  5. # os.environ["TF_CPP_MIN_LOG_LEVEL"] = "2"  # 显示ERROR、FATAL
  6. # os.environ["TF_CPP_MIN_LOG_LEVEL"] = "3"  # 显示FATAL
  7.  
  8. os.environ["TF_CPP_MIN_LOG_LEVEL"] = "2"

再验证一下

tf.test.is_gpu_available()

返回true,应该成功了吧

  1. >>> tf.test.is_gpu_available()
  2. WARNING:tensorflow:From <stdin>:1: is_gpu_available (from tensorflow.python.framework.test_util) is deprecated and will be removed in a future version.
  3. Instructions for updating:
  4. Use `tf.config.list_physical_devices('GPU')` instead.
  5. True

九、yolov5配置

1.github下载压缩包

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

2.下载依赖

激活创建的虚拟环境

source activate Deeplearning \\激活你创建的虚拟环境

cd到clone下来的yolov5文件夹下，下载环境所需的依赖输入命令

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

等待pip自动下载所需要的依赖。-i 参数是从清华镜像中下载依赖包，如果不加，则从国外源下载，不仅速度慢，还容易下载失败。

3.下载权重文件

一般下yolov5l.pt、yolov5m.pt、yolov5s.pt、yolov5x.pt就够用，s是最小的，速度最快，但是精度不高。放到工程路径下的weights文件夹中。

4.测试

cd到yolov5文件夹下

如果设备有摄像头输入

python detect.py --source 0 --weights ./weights/yolov5s.pt

设备没有摄像头

python detect.py --source ./data/images/ --weights ./weights/yolov5s.pt

测试结果生成在runs/detect/exp文件夹下

99dc27c3433f4a74ae8a9ab8ad9d6c38.jpeg

14d179d9b26b45e6b3f1c236bda297cb.jpeg

十、yolov7配置

1.git clone下载

git clone https://github.com/WongKinYiu/yolov7.git

2.下载依赖

 最好新建一个环境，然后重复步骤四、八

激活创建的虚拟环境

source activate yl7

cd到clone下来的yolov7文件夹下，下载环境所需的依赖输入命令

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

3.下载权重文件

在github上，打开后往下翻GitHub - WongKinYiu/yolov7: Implementation of paper - YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors

下哪个点哪个，下载好后新建文件夹命名为weights并放到里面

4.测试

python detect.py --weights weights/yolov7.pt --source inference/images

测试结果生成在runs/detect/exp文件夹下 

参考：

yolov5的安装与使用（图文结合版） - 知乎

 Ubuntu20.04下深度学习环境配置（持续维护）_ubuntu深度学习-CSDN博客

全网最详细的安装pytorch GPU方法，一次安装成功！！包括安装失败后的处理方法！-CSDN博客

Tensorflow_os.environ['tf_cpp_min_log_level'] = '1-CSDN博客

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/笔触狂放9/article/detail/699181
推荐阅读
相关标签

Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。

  

闽ICP备14008679号