ubuntu安装yolov5教程
时间: 2025-05-07 12:12:37 浏览: 35
### 在 Ubuntu 系统中安装 YOLOv5 的详细教程
要在 Ubuntu 上成功安装并运行 YOLOv5,需要完成以下几个主要部分的设置:GPU 驱动程序、CUDA 和 cuDNN 的安装、Anaconda 虚拟环境的创建以及 YOLOv5 库本身的安装。
#### 一、安装 NVIDIA 显卡驱动
为了使 GPU 加速生效,需先确认系统已正确安装 NVIDIA 显卡驱动。对于 Ubuntu 20.04 或 22.04 用户,可以通过以下方法禁用 nouveau 并安装合适的驱动程序[^2]:
1. **禁用 Nouveau**
编辑 `/etc/modprobe.d/blacklist-nouveau.conf` 文件,添加以下内容:
```bash
blacklist nouveau
options nouveau modeset=0
```
2. 更新 initramfs:
```bash
sudo update-initramfs -u
```
3. 重启计算机后,在终端输入 `sudo ubuntu-drivers autoinstall` 自动检测并安装适合的 NVIDIA 驱动。
验证驱动是否正常工作:
```bash
nvidia-smi
```
如果命令返回显卡的相关信息,则说明驱动安装成功。
---
#### 二、安装 CUDA 和 cuDNN
YOLOv5 对于 GPU 支持依赖于 CUDA 和 cuDNN。以下是具体操作步骤][^[^23]:
1. 下载对应版本的 CUDA 安装包(推荐通过官方文档查找支持的版本)。例如,下载适用于 Ubuntu 20.04 的 CUDA Toolkit:
```bash
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-keyring_1.0-1_all.deb
sudo dpkg -i cuda-keyring_1.0-1_all.deb
sudo apt-get update
sudo apt-get -y install cuda
```
2. 设置环境变量以便系统识别 CUDA:
修改 `.bashrc` 文件,追加如下路径:
```bash
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
```
执行 `source ~/.bashrc` 生效修改。
3. 安装 cuDNN (通常作为附加库提供),解压到指定目录即可。
测试 CUDA 是否可用:
```bash
nvcc --version
```
---
#### 三、配置 Anaconda 虚拟环境
建议使用 Conda 创建独立 Python 环境来管理依赖项。按照以下流程执行][^[^34]:
1. 创建名为 `yolov5` 的新虚拟环境,并指定 Python 版本为 3.8:
```bash
conda create -n yolov5 python=3.8
```
2. 激活该环境:
```bash
conda activate yolov5
```
3. 克隆 YOLOv5 GitHub 仓库至本地:
```bash
git clone https://github.com/ultralytics/yolov5.git
cd yolov5
```
4. 安装必要的依赖文件:
```bash
pip install -r requirements.txt
```
可选地,利用国内镜像加速安装过程:
```bash
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple/
```
---
#### 四、验证安装
最后一步是确保一切功能正常运作。尝试加载预训练模型并对图片进行推理预测:
1. 运行示例脚本:
```python
from yolov5 import YOLOv5
model = YOLOv5('yolov5s.pt') # 加载小型权重文件
results = model.predict(image='zidane.jpg', size=640, augment=False)
print(results.xyxy[0]) # 输出边界框坐标
```
或者直接调用 CLI 工具快速体验效果:
```bash
python detect.py --weights yolov5s.pt --img 640 --conf 0.25 --source data/images/zidane.jpg
```
---
### 总结
上述指南涵盖了从硬件准备到软件部署的所有必要环节,能够帮助开发者顺利搭建基于 Ubuntu 的 YOLOv5 开发平台。每步均附带相应参考资料编号以供进一步查阅[^1][^3][^4]。
阅读全文
相关推荐
















