ubuntu20.04 在conda虚拟环境中配置深度学习环境

1. 安装显卡驱动

采用系统仓库安装，简单快捷，通过几条命令即可安装；系统自动管理兼容性。

1）查看驱动版本： ubuntu-drivers devices 系统会列出推荐的驱动版本

2）安装驱动 ：可以直接安装所有推荐驱动 sudo ubuntu-drivers autoinstall，或安装指定版本（如版本570）sudo apt install nvidia-driver-570

3）重启系统 ：安装完成后，务必重启电脑 sudo reboot。

4）验证安装 ：重启后，在终端输入 nvidia-smi。如果显示出GPU的信息表格，则说明驱动安装成功

在选择CUDA版本时，务必确保其与已安装的NVIDIA驱动兼容。可以通过 nvidia-smi 命令输出上方的 "CUDA Version" 来了解驱动支持的最高CUDA版本，安装的CUDA版本不应超过此版本。

CUDA和显卡驱动的对应关系，可以从https://developer.nvidia.com/cuda-toolkit-archive查阅

个人配置顺序：高版本的驱动+低版本的CUDA+与CUDA对应的cudnn+与CUDA对应的PyTorch这样的顺序去配置环境。

2. 安装Anaconda

本文以miniconda为例，下载地址，对应好自己的系统版本和想用的python版本找到以下命令

若已有本地安装包（如本文中存放于 download 目录的 Anaconda3-2025.06-1-Linux-x86_64.sh），可直接使用；若无，需从 Anaconda 官网下载对应 Linux 版本的 .sh 格式安装包（建议选择 Python 3.x 系列，兼容性更强）。

chmod +x Anaconda3-2025.06-1-Linux-x86_64.sh

./Anaconda3-2021.05-Linux-x86_64.sh

此时会进入交互安装界面，按提示逐步操作：

步骤 1：查看许可协议

终端会滚动显示 Anaconda 许可协议，按 Enter 键逐页查看，或直接按 Q 键跳过协议。

步骤 2：接受协议

出现 Do you accept the license terms? [yes|no] 时，输入 yes 并按 Enter（输入 no 会终止安装）。

步骤 3：选择安装路径

默认安装路径为 ~/anaconda3（即 /home/ubuntu/anaconda3），直接按 Enter 确认即可；若需自定义路径，需输入完整路径（如 /opt/anaconda3，但自定义路径需确保权限足够）。

步骤 4：添加环境变量（关键）

出现 Do you wish the installer to initialize Anaconda3 by running conda init? [yes|no] 时，建议输入 yes------ 这会自动将 Anaconda 路径添加到系统环境变量，后续可直接使用 conda 命令。

等待安装完成（终端会显示 "Thank you for installing Anaconda3!"），此时基础安装已结束。

安装完成后，必须关闭当前终端并重新打开一个新终端（环境变量需重启终端才能生效），然后通过以下步骤验证：

在新终端中输入：

复制代码

conda --version

3. 创建虚拟环境，并在虚拟环境里安装cuda和pytorch

电脑安装显卡驱动后直接安装miniconda，后续步骤在conda环境中进行安`装torch`，`cudatoolkits`等步骤，避免手动处理 CUDA 环境变量和路径冲突。

需要根据所使用的 PyTorch 版本来选择合适的 CUDA 版本，以确保兼容性，并且 CUDA 版本不能超过显卡驱动支持的最高版本。

1）创建虚拟环境

根据pytorch和python的版本对应关系创建python虚拟环境

conda create -n yolov12 python=3.8

conda activate yolov12

2）安装cuda11.8

hutps://pytorch.org/get-started/previous-versions/，这个链接里是pytorch和cuda的版本对应，

根据pytorch版本和显卡驱动支持情况，选择一个合适的CUDA版本。

直接用命令来安装：conda install cudatoolkit=11.8 -c nvidia

上述命令用于在Conda虚拟环境中安装指定版本的CUDA运行时库（cudatoolkit），并指定从NVIDIA官方源获取包

安装后，可通过`nvcc -V`验证CUDA版本，或在Python中检查`torch.version.cuda`是否匹配。 ‌

3）安装PyTorch

hutps://pytorch.org/get-started/previous-versions/，进入之后，可以根据cuda版本选择需要的pytorch版本，获得安装命令

pip install torch==2.0.1+cu118 torchvision==0.15.2+cu118 -f https://download.pytorch.org/whl/torch_stable.html

4）测试

python 复制代码

# test_virtual_cuda.py
import torch
print("=== 虚拟环境CUDA验证 ===")
print(f"PyTorch版本: {torch.__version__}")
print(f"CUDA可用: {torch.cuda.is_available()}")
print(f"CUDA版本: {torch.version.cuda}")
print(f"GPU: {torch.cuda.get_device_name(0)}")

# 测试YOLO类似的计算
if torch.cuda.is_available():
    # 模拟YOLO卷积操作
    model = torch.nn.Sequential(
        torch.nn.Conv2d(3, 64, 3, 1, 1),
        torch.nn.BatchNorm2d(64),
        torch.nn.ReLU(inplace=True)
    ).cuda()
    
    x = torch.randn(4, 3, 640, 640).cuda()
    with torch.cuda.amp.autocast():  # 混合精度，类似YOLO训练
        output = model(x)
    
    print("✅ 虚拟环境GPU训练测试: 成功!")
    print(f"输出形状: {output.shape}")

安装python IDE: vscode