安装yolo26【无标题】

这里写自定义目录标题

[1 安装ubuntu26.04](#1 安装ubuntu26.04)
[2 安装cuda12.8](#2 安装cuda12.8)
- [1 安装 CUDA 12.8](#1 安装 CUDA 12.8)
- [2 配置 CUDA 环境变量](#2 配置 CUDA 环境变量)
- [3 安装 cuDNN 9.21](#3 安装 cuDNN 9.21)
[4 安装miniforge](#4 安装miniforge)
[5 安装yolo26](#5 安装yolo26)
- [1. 创建并进入 yolo26 环境](#1. 创建并进入 yolo26 环境)
- [2. 安装 CUDA 12.8 的 PyTorch nightly（关键）](#2. 安装 CUDA 12.8 的 PyTorch nightly（关键）)
- [3. 验证 PyTorch + CUDA 是否生效（必须做）](#3. 验证 PyTorch + CUDA 是否生效（必须做）)
- [4. 安装 YOLO26（Ultralytics）](#4. 安装 YOLO26（Ultralytics）)
- [5. 测试 YOLO26 推理](#5. 测试 YOLO26 推理)

1 安装ubuntu26.04

2 安装cuda12.8

1 安装 CUDA 12.8

python 复制代码

# 1. 给安装包权限
sudo chmod +x cuda_12.8.1_570.124.06_linux.run

# 2. 安装（不装驱动，只装CUDA）
sudo ./cuda_12.8.1_570.124.06_linux.run --silent --toolkit

2 配置 CUDA 环境变量

python 复制代码

echo 'export PATH=/usr/local/cuda-12.8/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-12.8/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc

## 验证是否成功
nvcc -V

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2025 NVIDIA Corporation
Built on Fri_Feb_21_20:23:50_PST_2025
Cuda compilation tools, release 12.8, V12.8.93
Build cuda_12.8.r12.8/compiler.35583870_0

3 安装 cuDNN 9.21

python 复制代码

# 1. 添加NVIDIA源密钥
sudo dpkg -i cuda-keyring_1.1-1_all.deb
sudo apt update

# 2. 安装对应CUDA 12.8的cuDNN
sudo apt install -y cudnn9-cuda-12

# 3. 把cuDNN复制到CUDA目录（让YOLO/PyTorch能找到）
sudo cp /usr/include/x86_64-linux-gnu/cudnn*.h /usr/local/cuda/include/
sudo cp /usr/lib/x86_64-linux-gnu/libcudnn* /usr/local/cuda/lib64/
sudo ldconfig

## 验证 cuDNN
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

python 复制代码

4 安装miniforge

从miniforge官网

https://github.com/conda-forge/miniforge下载

或者执行以下命令：

bash 复制代码

wget https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-Linux-x86_64.sh
# 在Miniforge3-Linux-x86_64.sh所在文件夹执行以下命令安装，默认位置是默认位置是/home/username/miniforge3
bash Miniforge3-Linux-x86_64.sh
# 确认下载路径是否正确
ls /home/username/.miniforge3/bin
# 打开终端，并使用vim打开 ~/.bashrc 文件
vim ~/.bashrc
# 使用方向键移动光标到文件的末尾，并按下 i 进入编辑模式，在文件的末尾添加以下行，将miniforge的bin目录路径添加到环境变量
export PATH="/path/to/miniforge3/bin:$PATH"
# 按下 Esc 退出编辑模式，并输入 :wq 保存并退出文件
# 更新当前终端的环境变量，使更改生效
source ~/.bashrc

# 安装完成后，重新打开一个新的终端
conda init bash
source ~/.bashrc

# 创建的是新的虚拟环境
conda create --name yolo26
# 激活你的虚拟环境
conda activate yolo26

5 安装yolo26

CUDA 12.8 + cuDNN 9.21.1 + RTX 5080

1. 创建并进入 yolo26 环境

python 复制代码

# 建环境（推荐 Python 3.10/3.11，兼容最好）
conda create -n yolo26 python=3.10 -y

# 进环境
conda activate yolo26

# 升级 pip（防止 nightly 包解析失败）
pip install --upgrade pip

2. 安装 CUDA 12.8 的 PyTorch nightly（关键）

你的系统 CUDA 是 12.8，对应 nightly 源是 cu128：

python 复制代码

pip install --pre torch torchvision torchaudio \
  --index-url https://download.pytorch.org/whl/nightly/cu128

--pre：装预发布（nightly）版本

cu128：匹配你系统的 CUDA 12.8

自动拉取最新编译的 torch/torchvision/torchaudio，支持 RTX 5080（sm_120）

3. 验证 PyTorch + CUDA 是否生效（必须做）

在同一终端执行：

python 复制代码

python -c "
import torch
print('PyTorch 版本:', torch.__version__)
print('CUDA 可用:', torch.cuda.is_available())
print('CUDA 版本:', torch.version.cuda)
print('GPU 设备:', torch.cuda.get_device_name(0))
print('GPU 算力:', torch.cuda.get_arch_list())
"



PyTorch 版本: 2.12.0.dev20260407+cu128
CUDA 可用: True
CUDA 版本: 12.8
GPU 设备: NVIDIA GeForce RTX 5080 Laptop GPU
GPU 算力: ['sm_75', 'sm_80', 'sm_86', 'sm_90', 'sm_100', 'sm_120']

4. 安装 YOLO26（Ultralytics）

python 复制代码

# 装正式版 YOLO26
pip install numpy opencv-python matplotlib tqdm pillow pandas ultralytics -i https://pypi.tuna.tsinghua.edu.cn/simple

pip install onnx onnxruntime -i https://pypi.tuna.tsinghua.edu.cn/simple



# 验证
yolo --version

5. 测试 YOLO26 推理

pyth# 复制代码

yolo predict model=yolo26s.pt source=https://ultralytics.com/images/bus.jpg

把 best.pt 转 ONNX

python 复制代码

yolo export model=best.pt format=onnx imgsz=640 simplify=True

验证 ONNX 模型是否可用

python 复制代码

yolo predict model=best.onnx source=bus.jpg

python 复制代码

✅ 系统： Ubuntu 26.04✅ 显卡： RTX 5080✅ CUDA： 12.8（已装好）✅ cuDNN： 9.21.1（已装好，完全匹配 CUDA 12.8）