UBUNTU 18.04 GPU + miniconda3 + pytorch + yolo v5 安装测试

安装CUDA10.0

  • 检查系统是否满足要求
有支持CUDA的GPU  lspci | grep -i nvidia
支持CUDA的操作系统。(Ubuntu没有问题)
已经安装了合适版本的gcc(CUDA10.0要求7.3.0)
系统有正确的Kernel Header  执行 sudo apt install linux-headers-$(uname -r) 即可
已经卸载了有冲突的CUDA版本
  • 下载CUDA10.0安装文件https://developer.nvidia.com/cuda-10.0-download-archive 选择Linux、X86、Ubuntu18.04、runfile下载
  • 禁用nouveau驱动:
sudo vi /etc/modprobe.d/blacklist-nouveau.conf,在文件中编辑:
	blacklist nouveau
	options nouveau modeset=0
	sudo update-initramfs -u
重启机器
  • 删除已有驱动
sudo apt purge nvidia-*
  • 安装驱动
sudo ubuntu-drivers autoinstall (在此之前可以执行命令 ubuntu-drivers devices查看系统推荐的驱动程序,也可以在桌面上执行【软件和更新】,在附加驱动中选择推荐的驱动)
  • 重启计算机
  • 执行安装命令
sudo sh cuda_10.0.130_410.48_linux.run,注意一定不要选择安装驱动,其余回答yes或默认值
  • 设置环境变量:vi ~/.bashrc,编辑如下内容:
export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
  • 保存退出,执行 source ~/.bashrc
  • 验证安装是否成功
cd /usr/local/cuda/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
显示 Result=PASS以及CUDA驱动信息,表示安装成功

miniconda

  1. 前言
    conda是一种通用包管理系统,旨在构建和管理任何语言和任何类型的软件。举个例子:包管理与
    pip的使用类似,环境管理则允许用户方便地安装不同版本的python并可以快速切换。

Anaconda则是一个打包的集合,里面预装好了conda、某个版本的python、众多packages、科学
计算工具等等,就是把很多常用的不常用的库都给你装好了。

Miniconda,顾名思义,它只包含最基本的内容——python与conda,以及相关的必须依赖项,对
于空间要求严格的用户,Miniconda是一种选择。就只包含最基本的东西,其他的库得自己装。
Miniconda会比Anaconda小很多,Miniconda足够用,两者安装都很简单。

  1. 安装miniconda
mkdir miniconda
cd miniconda
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh

执行程序

bash Miniconda3-latest-Linux-x86_64.sh

这里会弹出一个软件协议条款让你阅读,这时候直接按下Ctrl+C便可以跳过阅读过程,直接按照提示,输入yes(有yes/no的都选yes),然后按回车键,同意软件协议条款。接下来继续按回车,将miniconda安装到电脑上。安装好之后,提示如下:

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-EzrqUqDD-1649832223958)(/storage/2022/04-13/4sLYRZey9EFykCPp4eqflYGf3zLlI38ioO1Syfqp.png)]

重启终端之后,就可以使用miniconda了。但先换源,将conda和pip的软件源修改成清华的源,下载安装软件会快很多:

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/main/
conda config --set show_channel_urls yes 
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

换完源再次重启终端之后,你会发现每次打开终端默认都会自动进入到miniconda的base环境中,终端中多了“base”字样。这样会拖慢终端打开速度,并且有可能干扰到其它软件的安装。要退出的话,必须每次打开终端之后先执行conda deactivate命令,让人很难受。执行如下命令,便可以解决终端每次打开都进入conda的base环境的问题:

conda config --set auto_activate_base false

至此 miniconda 已安装完成

安装labelimg 标注软件

输入命令 获取labelimg 工程

git clone https://github.com/Ruolingdeng/labelImg.git

然后打开安装包labelImg,并右键打开终端或快捷键Ctrl+Alt+T打开终端并cd 目录到labelImg下,输入

sudo apt-get install pyqt5-dev-tools #安装过实训系统的电脑应该不需要这一步,因为已经装过了

安装完之后,打开安装包labelImg,并右键打开终端,然后输入:

sudo pip3 install -r requirements/requirements-linux-python3.txt
make qt5py3

然后运行软件

python3 labelImg.py

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Iisu9jvK-1649832223959)(/storage/2022/04-13/XYogpN8YL8imakrrlYeLauOShr7pIZN0N7ZnBmWV.png)]

出现该界面为 软件安装成功

Yolov5

一.搭建YOLOv5深度学习环境

conda create -n yolov5 python=3.10  //yolov5是虚拟环境的名字
source activate yolov5

此时,已进入 miniconda的虚拟环境

二、下载YOLO V5 工程

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

进入yolo v5 目录下

cd yolov5

安装 yolo v5 依赖

pip install -r requirements.txt  

使用官网命令安装pytorch

pip install torch==1.8.0+cpu torchvision==0.9.0+cpu torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html

至此 Yolo v5 环境已搭建完成

可以使用测试程序 对进行简单图片识别测试

python detect.py --source ./data/images/ 

你可能感兴趣的:(计算机视觉,ubuntu)