yolov8的深度学习环境安装(cuda12.4、ubuntu22.04）

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

先去官网下载好anaconda后面是.sh文件

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