Ubuntu安装深度学习环境相关(yolov8-python部署)

这篇具有很好参考价值的文章主要介绍了Ubuntu安装深度学习环境相关(yolov8-python部署)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

Ubuntu安装深度学习环境相关(yolov8-python部署)

  • 本文将从如下几个方面总结相关的工作过程:

    • 1.Ubuntu系统安装(联想小新pro16)
    • 2.显卡驱动安装
    • 3.测试深度学习模型

1. Ubunut 系统安装

  • 之前在台式机上安装过Ubuntu,以为再在笔记本上安装会是小菜一碟,但没想还是废了一些功夫。

  • 安装所需要的步骤:

    • 1.电脑分盘:Windows下右键开始,选择磁盘管理,我的是在F盘分出了80G
    • 2.在- 官网 -下载Ubuntu系统并通过U盘制作启动盘:
      ubuntu yolov8,应用工具使用介绍,ubuntu,深度学习,YOLO
    • 在- rufus -下载启动盘制作工具:
      ubuntu yolov8,应用工具使用介绍,ubuntu,深度学习,YOLO
    • 点击开始进行制作 ubuntu yolov8,应用工具使用介绍,ubuntu,深度学习,YOLO
    • 我的电脑是联想小新,按下开机建后,同时连续多次按Fn+F2,进入BIOS界面,将Secure Boot关闭,保存更改退出,关机重启
    • 插入U盘启动盘,按下开机键,连续按下F12,选择U盘对应的系统进行安装,选择中文语言,正常下一步,常规安装至结束,中间正常设置账户密码等。
  • 设置中也可以设置输入法:
    ubuntu yolov8,应用工具使用介绍,ubuntu,深度学习,YOLO

  • 如果桌面字体太小可以通过改变分辨率进行调整:
    ubuntu yolov8,应用工具使用介绍,ubuntu,深度学习,YOLO- 打开软件与更新设置国内源
    ubuntu yolov8,应用工具使用介绍,ubuntu,深度学习,YOLO

  • 如果系统安装过程最后提示磁盘没有访问权限,需要解密,则需要回到windows下对磁盘进行解密,即通过命令行关闭Bitlocker

  • cmd中输入以下命令关闭

     manage-bde -off C:
    
  • 但是有时候出现如下提示:
    ubuntu yolov8,应用工具使用介绍,ubuntu,深度学习,YOLO

此时需要先执行如下命令:(系统分区不是C的话更改下面的盘符)

manage-bde -autounlock -ClearAllKeys c:

然后再执行即可

manage-bde -off C:

提示解密进行中,需要一定的时间:
ubuntu yolov8,应用工具使用介绍,ubuntu,深度学习,YOLO

解密后所在分区就没有锁子图标了
ubuntu yolov8,应用工具使用介绍,ubuntu,深度学习,YOLO

2.显卡驱动安装

  • 我的显卡是RTX3050,但是我根据网上的一些信息通过软件与更新或者 sudo apt 命令进行下载驱动程序都提示连接不上NVIDIA,后来查了一下说需要先禁用系统自带的驱动程序 Nouveau
  • 查看是否安装NVIDIA驱动命令:
nvidia-smi

ubuntu yolov8,应用工具使用介绍,ubuntu,深度学习,YOLOubuntu yolov8,应用工具使用介绍,ubuntu,深度学习,YOLO

2.1 禁用 nouveau

  • a. 运行如下指令,查看系统是否启用了nouveau显卡驱动
lsmod | grep nouveau

如果有内容输出,则说明nouveau已被启用,需要执行后续从b.开始的步骤以将nouveau禁用;如果没有内容输出,则可以直接安装nvidia驱动。

  • b. 修改blacklist.conf配置

blacklist.conf文件的位置:

/etc/modprobe.d/blacklist.conf

不管是通过vi、vim,还是直接修改,选择一种即可,本文采用直接修改的方法进行后续步骤。

Ctrl+Alt+T打开一个新的命令行窗口,通过如下指令切换到blacklist.conf文件所在的目录:

cd ../../etc/modprobe.d 

.conf文件的修改需要管理员权限,需要sudo,通过执行如下指令直接对记事本文件进行修改:

sudo gedit blacklist.conf 

在该文件最后插入以下两行内容:

blacklist nouveau
options nouveau modeset=0

最终效果如图所示:
ubuntu yolov8,应用工具使用介绍,ubuntu,深度学习,YOLO保存并关闭该文件。

  • c. 更新系统

通过如下命令更新系统,使刚刚修改的文件生效:

sudo update-initramfs -u
  • d. 重启系统

重新启动系统,可以通过图形界面直接重启,也可以通过命令行重启。本文通过命令行重新启动,在任意命令行中输入如下命令:

reboot

等待系统重启完成。

  • e. 验证nouveau是否已禁用

再次通过如下命令,查看是否有输出:

lsmod | grep nouveau

此时,命令行输出为空,如下图所示。

说明nouveau显卡驱动已被禁用,此时可以安装nvidia显卡驱动。

2.2 安装NVIDIA驱动

  • 官网搜索驱动程序下载:https://www.nvidia.cn/Download/index.aspx?lang=cn
    ubuntu yolov8,应用工具使用介绍,ubuntu,深度学习,YOLO
  • 进入下载文件夹,打开命令行窗口:
    ubuntu yolov8,应用工具使用介绍,ubuntu,深度学习,YOLO
  • 首先通过如下命令获取该.run文件的执行权限,不然就算下面加了sudo也执行不了。
chmod +x NVIDIA-Linux-x86_64-535.54.03.run
  • 通过如下命令运行下载好的.run文件:
sudo ./NVIDIA-Linux-x86_64-535.54.03.run

注意

“./”后的文件名需要换成在Step 1中根据自己电脑下载的驱动的名称!

安装过程中提示的东西全部安装即可!

遇到的小问题
报错“you appear to be running an x server; please exit x before installing.”

解决方法:在运行命令后加上 --no-x-check

加上之后的命令最终为:

sudo ./NVIDIAxxxx.run --no-x-check
  • 最后执行以下命令看是否安装成功:
nvidia-smi

ubuntu yolov8,应用工具使用介绍,ubuntu,深度学习,YOLO

3.测试深度学习模型

3.1 安装anaconda

  • 清华镜像官网Anaconda下载,我选择的是这个:
    ubuntu yolov8,应用工具使用介绍,ubuntu,深度学习,YOLO- 下载文件夹打开终端窗口,输入如下命令进行安装,一路yes即可:
bash Anaconda3-2022.05-Linux-x86_64.sh

ubuntu yolov8,应用工具使用介绍,ubuntu,深度学习,YOLO

3.2 搭建虚拟环境

#新建虚拟环境
conda create yolov8 python=3.8
pip install ultralytics

#激活虚拟环境
conda activate yolov8

#推理:
yolo predict model=yolov8n.pt source=./ultralytics/assets/bus.jpg

ubuntu yolov8,应用工具使用介绍,ubuntu,深度学习,YOLO
搞定:
ubuntu yolov8,应用工具使用介绍,ubuntu,深度学习,YOLO

参考:

1. 联想win10安装ubuntu20.04双系统
2.通过命令行关闭Bitlocker
3.Ubuntu安装Nvidia显卡驱动
4.Ubuntu安装Anaconda详细步骤文章来源地址https://www.toymoban.com/news/detail-771792.html

到了这里,关于Ubuntu安装深度学习环境相关(yolov8-python部署)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Ubuntu22.04搭建Pytorch框架深度学习环境+安装Miniconda+安装CUDA与cuDNN

    以Ubuntu为例,从零搭建Pytorch框架深度学习环境。 1.1 系统下载 访问地址ubuntu官网 1.2 启动盘制作 访问ultraiso官网 1.2.1打开镜像 1.2.2写入镜像 1.3磁盘分区 1.3.1Windows磁盘管理 对要压缩的卷右键,选择压缩卷 压缩出的可用空间不要进行分区,等待ubuntu系统操作 1.3.2分区助手或DG

    2024年02月02日
    浏览(89)
  • Ubuntu20.04配置YOLOV5算法相关环境,并运行融合YOLOV5的ORB-SLAM2开源代码(亲测有效)

              这篇博客介绍的是如何在Ubuntu系统下配置YOLOV5算法环境。并且运行一个融合YOLOV5的ORB-SLAM2开源代码。         安装的软件主要是anaconda,然后anaconda可以帮我们安装python、pytorch这些东西。我的ubuntu版本:ubuntu20.04.5LTS。 安装的anaconda类型: Anaconda3-2022.05 安装的p

    2024年02月02日
    浏览(45)
  • ubuntu搭建深度学习环境

    方法一: 依次输入如下命令 可以在应用找到vscode即为成功 可以在git --version打印出版本即为成功 在这里找CUDA Toolkit Archive | NVIDIA Developer (nvcc -V的话是查询系统安装的cuda版本,而nvidia-smi是查看GPU使用情况的(也可以用来检查驱动是否安装成功)。nvidia-smi之所以会出现cuda ve

    2023年04月13日
    浏览(39)
  • 【深度学习1】ubuntu22.04从零开始搭建深度学习环境

    具体安装步骤可以参考:win11+ubuntu22.04双系统安装(简洁版) 安装之前进入主板BIOS,关闭安全启动!!! 更新软件列表 安装必要的依赖 根据显卡型号下载对应的驱动,官方驱动下载链接:GeForce® 驱动程序 卸载原有驱动(若有) 禁用nouveau驱动,在 /etc/modprobe.d/blacklist.conf

    2024年02月05日
    浏览(92)
  • 【Ubuntu18配置Anaconda深度学习环境】

    参考:Ubuntu18配置与ROS 兼容的深度学习环境(Anaconda3+PyTorch1.10+python3.8+cuda10.2) 欢迎大家阅读2345VOR的博客【Ubuntu18.04使用yolov5教程】🥳🥳🥳 2345VOR鹏鹏主页: 已获得CSDN《嵌入式领域优质创作者》称号👻👻👻,座右铭:脚踏实地,仰望星空🛹🛹🛹 本文章属于《Ubuntu学习》

    2024年02月10日
    浏览(47)
  • 【深度学习】环境搭建ubuntu22.04

    清华官网的conda源 https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/ 安装torch conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia 2.2.2 conda install 指引看这里: ref:https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html#package-manager-metas invidia toolkit的指引在这里,看起来,drive

    2024年04月09日
    浏览(56)
  • ubuntu 22.04 深度学习环境配置

    网址:https://www.nvidia.com/download/index.aspx 根据硬件选择,我这里是 ubuntu 服务器,显卡是v100 (非必要)补充:在禁用原显卡驱动时,可以增加一步。 这两个命令都是用于配置Linux系统中与Nouveau显卡驱动相关的设置,但它们的具体作用和写入内容是不同的。 第一个命令是 禁止

    2024年02月09日
    浏览(59)
  • 在Linux的Ubuntu系统下安装QT及相关环境配置

           从官网下载QT的安装包,在本地安装。本次使用的是Ubuntu18.06以及QT5.14.2,下文皆使用此版本作为示例。        首先安装QT,具体操作如下:  1、使用cd命令: cd /home/(usr)/download ,切换至安装包所在的目录下。 2、使用命令: sudo chmod +x qt-opensource-linux-x64-5.14.2.run ,获

    2024年02月07日
    浏览(40)
  • 【DeepLearning】Ubuntu中深度学习环境配置完整流程

    支持 cuda 的所有显卡型号: Link 查询显卡型号 即 Vendor ID:Device ID 为 10de:21c4,在浏览器或者 Link 中搜索。 填写显卡信息: Link 选择要下载的版本(可以选个新一点的 ) 运行 .run 文件 测试 参考官方文档: Link 选择要安装的版本: Link 先通过 nvidia-smi 查看驱动支持的 cuda 最高版本,

    2024年02月10日
    浏览(60)
  • 【亲测】ubuntu20.4利用conda安装yoloV8 CUDA(python)环境

    搭建yoloV8之前请确保显卡驱动程序及CUDA环境安装完成并且电脑中已经安装了miniconda3,我们用miniconda来管理yoloV8环境。 安装CUDA+显卡驱动请参照: 【亲测】ubuntu20.4 显卡驱动+CUDA11.8一起安装_Coding_C++的博客-CSDN博客 一、在miniconda创建yoloV8环境 1、在miniconda上先创建一个环境命名

    2024年02月05日
    浏览(57)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包