ubuntu20.04安装yolo

### Ubuntu 20.04 上安装和配置 YOLOv5 #### 准备工作为了确保顺利安装 YOLOv5，在开始之前应确认系统已更新至最新状态并安装必要的依赖包。 ```bash sudo apt-get update && sudo apt-get upgrade -y ``` #### 安装 CUDA 和 cuDNN 对于 GPU 加速的支持，需先安装 NVIDIA 驱动程序、CUDA 工具包以及 cuDNN 库。若遇到问题可尝试添加官方 PPA 并更新软件源[^2]： ```bash sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update ubuntu-drivers devices ``` 选择合适的驱动版本进行安装，并依照个人需求下载对应版本的 CUDA 及 cuDNN 文件完成安装过程[^1]。 #### 创建 Python 虚拟环境推荐使用 Conda 来管理不同项目的独立运行环境，这有助于避免库冲突等问题发生。创建名为 `yolo5` 的新环境并激活它[^3]： ```bash conda create -n yolo5 python=3.8 conda activate yolo5 ``` #### 安装 PyTorch 和 torchvision 考虑到后续模型训练的需求，务必验证 PyTorch 是否能够正常识别 GPU 设备。通过 pip 或者 conda 渠道获取适用于当前系统的稳定版 PyTorch 和 torchvision 组件[^4]： ```bash pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio===0.7.2 -f https://download.pytorch.org/whl/torch_stable.html ``` #### 获取 YOLOv5 源码仓库克隆官方 GitHub 项目到本地目录下，切换分支至所需版本号（如 v5.0），然后依据 README.md 中给出的具体指导来设置其余部分。 ```bash git clone https://github.com/ultralytics/yolov5.git cd yolov5/ pip install -r requirements.txt ``` 此时应该已经成功搭建起了完整的开发平台，可以着手准备数据集并对网络参数做适当调整以便开展实验研究了。

阅读全文