yolov8的深度学习环境安装(cuda12.4、ubuntu22.04）

目录

一、先安装基础环境包

1.首先给Ubuntu安装Chrome浏览器（搜索引擎换成百度即可）

2、ubuntu 22.04中文输入法安装

3、安装 terminator

4、安装WPS for Linux

5、安装其它之前需要先安装anaconda

6、安装配置anaconda

7、安装完成anaconda后创建一个虚拟环境

8、安装pip：

9、小鱼的大佬的一键配置

10、ubuntu安装wps

二、安装pytorch前首先安装显卡驱动

1、输入查看驱动

三、安装配置pytorch

官网：pytorch下载地址

1.首先查看查看显卡使用情况

2、我的准备装cuda12.4

Linux and Windows

四、接下来安装cuda、cudnn

官网：cuda官网  

1、选择自己版本

2、这里我们选择runfile(local)的安装方式

3、安装cuda

五、安装cudnn

安装cudnn

---

这里直接参考了我的另一篇文章：Ubuntu20.04配置深度学习环境yolov5最简流程_command 'nvidia-smi' not found, but can be install-CSDN博客

一、先安装基础环境包

1.首先给Ubuntu安装Chrome浏览器（搜索引擎换成百度即可）

安装命令：打开终端直接输入

wget https://dl.google.com/linux/direct/google-chrome-stable_current_amd64.deb
sudo dpkg -i google-chrome-stable_current_amd64.deb
sudo apt-get -f install

2、ubuntu 22.04中文输入法安装

sudo apt-get install fcitx-googlepinyin

3、安装 terminator

sudo add-apt-repository ppa:gnome-terminator
sudoapt-get update
sudo apt install terminator

4、安装WPS for Linux

进入搜狗for linux官网下载搜狗输入法 ，下载x86版本

WPS for linux

5、安装其它之前需要先安装anaconda

         conda下载地址

1. 先去官网下载好anaconda后面是.sh文件

1. 输入命令（命令上对应你自己下载的版本号）：

sh Anaconda3-2021.11-Linux-x86_64.sh

完成之后测试:

conda env list

6、安装配置anaconda

anaconda添加国内镜像源

#添加镜像源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
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/r
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2

#显示镜像通道

conda config --show channels

7、安装完成anaconda后创建一个虚拟环境

conda create -n yolo8 python=3.10

查看自己的虚拟环境

conda env list 

激活虚拟环境

conda activate yolo8

接下来需要在虚拟环境里面安装pytorch

8、安装pip：

sudo apt-get install python3-pip

9、小鱼的大佬的一键配置

        打开ubuntu终端，输入：

wget http://fishros.com/install -O fishros && . fishros

10、ubuntu安装wps

        执行：

sudo dpkg -i wps-office*.deb

二、安装pytorch前首先安装显卡驱动

1、输入查看驱动

nvidia-smi

提示Command 'nvidia-smi' not found, but can be installed with:说明你还没有安装显卡驱动

选择适合自己的

sudo apt-get install nvidia-driver-535

设置完密码reboot就可以了

这时如果弹出没有可用的附加驱动或附加驱动为空

解决方法：

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

软件和更新即可显示驱动

完成后重启在输入nvidia-smi就可以看到电脑可以安装cuda的最高版本号

三、安装配置pytorch

官网：pytorch下载地址

1.首先查看查看显卡使用情况

打开终端输入：

nvidia-smi

查看可以安装cuda的版本（低于这个或等于这个版本都可以安装)

安装前先进入自己环境：

conda activate yolo8

2、我的准备装cuda12.4

conda install pytorch==2.5.0 torchvision==0.20.0 torchaudio==2.5.0 pytorch-cuda=12.4 -c pytorch -c nvidia

其它的找适合自己版本就行

Linux and Windows

# CUDA 11.8
conda install pytorch==2.5.0 torchvision==0.20.0 torchaudio==2.5.0  pytorch-cuda=11.8 -c pytorch -c nvidia
# CUDA 12.1
conda install pytorch==2.5.0 torchvision==0.20.0 torchaudio==2.5.0 pytorch-cuda=12.1 -c pytorch -c nvidia
# CUDA 12.4
conda install pytorch==2.5.0 torchvision==0.20.0 torchaudio==2.5.0 pytorch-cuda=12.4 -c pytorch -c nvidia
# CPU Only
conda install pytorch==2.5.0 torchvision==0.20.0 torchaudio==2.5.0 cpuonly -c pytorch

国内镜像源经常用放在这里

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

四、接下来安装cuda、cudnn

安装cudnn官网（参考文章Ubuntu安装cuda与cudnn，亲测可用）

官网：cuda官网  

1、选择自己版本

我的是cuda12.4

2、这里我们选择runfile(local)的安装方式

执行：

wget https://developer.download.nvidia.com/compute/cuda/12.4.0/local_installers/cuda_12.4.0_550.54.14_linux.run

sudo sh cuda_12.4.0_550.54.14_linux.run

3、安装cuda

在运行sudo sh cuda_11.1.0_455.23.05_linux.run时，不要安装驱动、不要安装驱动、不要安装驱动，重要的事情说三遍

操作为：选择continue->输入accept->按空格取消Driver选项->选择Install安装

（忘记截图,网上截的图)

完成安装

4、安装完成后需要配置环境变量：

sudo gedit ~/.bashrc

在末尾添加：

export PATH=$PATH:/usr/local/cuda-12.4/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-12.4/lib64
export LIBRARY_PATH=$LIBRARY_PATH:/usr/local/cuda-12.4/lib64

5、最后;使更改生效：

source ~/.bashrc

验证环境变量是否正确设置：

6、验证环境变量是否正确设置：

echo $PATH
echo $LD_LIBRARY_PATH
echo $LIBRARY_PATH

确保输出中包含 /usr/local/cuda-12.4/bin 和 /usr/local/cuda-12.4/lib64

7、验证 CUDA 和驱动程序是否正常工作：

nvidia-smi

五、安装cudnn

安装cudnn

官网下载cuda对应版本的cudnn：https://developer.nvidia.com/rdp/cudnn-archive#a-collapse805-111
这里我们选择的是8.8.1版本的cudnn
下载一下1个文件：

下载完成：

之前是三个dep文件，最新的版本没有了

tar -xf cudnn-linux-x86_64-8.8.1.3_cuda12-archive.tar.xz

解压完成：

1.创建必要的目录：

sudo mkdir -p /usr/local/cuda/include
sudo mkdir -p /usr/local/cuda/lib64

复制文件：
2.将 include 和 lib 目录中的文件复制到 /usr/local/cuda 目录下：

sudo cp -r include/* /usr/local/cuda/include/
sudo cp -r lib/* /usr/local/cuda/lib64/

3.更新环境变量：
编辑 ~/.bashrc 文件，添加以下行以更新环境变量：

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

然后使更改生效：

source ~/.bashrc

4.验证 cuDNN 是否正确安装：

dpkg -l | grep cudnn

检查 CUDA 和 cuDNN 版本：

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

python

import torch
 
print(torch.cuda.is_available())

以下命令来检查 CUDA 版本：

nvcc -V

 直接参考我的另一篇文章：yolov8训练pt模型转换为rknn模型_部署在RK3588上--整个流程-CSDN博客

最后测试了yolov8成功完成gpu调用