Ubuntu20.04配置深度學(xué)習(xí)環(huán)境yolov5最簡(jiǎn)流程

這篇具有很好參考價(jià)值的文章主要介紹了Ubuntu20.04配置深度學(xué)習(xí)環(huán)境yolov5最簡(jiǎn)流程。希望對(duì)大家有所幫助。如果存在錯(cuò)誤或未考慮完全的地方，請(qǐng)大家不吝賜教，您也可以點(diǎn)擊"舉報(bào)違法"按鈕提交疑問。

一、Ubuntu20.04配置深度學(xué)習(xí)環(huán)境

1.首先給Ubuntu安裝Chrome瀏覽器（搜索引擎換成百度即可）

安裝命令：打開終端直接輸入

wget https://dl.google.com/linux/direct/google-chrome-stable_current_amd64.deb
sudo dpkg -i google-chrome-stable_current_amd64.deb
sudo apt-get -f install

2.換成搜狗輸入法（如果安裝完成無法打漢字，可輸入以下命令）

sudo apt-get update
sudo apt install libqt5qml5 libqt5quick5 libqt5quickwidgets5 qml-module-qtquick2
sudo apt install libgsettings-qt1

3.安裝WPS for Linux

進(jìn)入搜狗for linux官網(wǎng)下載搜狗輸入法，下載x86版本

WPS for linux

4. 安裝其它之前需要先安裝anaconda

先去官網(wǎng)下載好anaconda后面是.sh文件

輸入命令（命令上對(duì)應(yīng)你自己下載的版本號(hào)）：

sh Anaconda3-2021.11-Linux-x86_64.sh

后面根據(jù)提示進(jìn)行操作即可

新打開一個(gè)終端可以看到前面帶一個(gè)base，說明安裝成功

5. ubuntu換國(guó)內(nèi)鏡像源

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 --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

6.安裝配置anaconda

anaconda添加國(guó)內(nèi)鏡像源

#添加鏡像源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
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/r
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2

#顯示檢索路徑

conda config --set show_channel_urls yes

#顯示鏡像通道

```
conda config --show channels
```
安裝完成anaconda后創(chuàng)建一個(gè)虛擬環(huán)境

conda create -n yolo python=3.7

yolo是你虛擬環(huán)境名字，可自己取，Python不要安裝太高版本3.7即可

查看自己的虛擬環(huán)境

conda env list

激活虛擬環(huán)境

conda activate yolo

接下來需要在虛擬環(huán)境里面安裝pytorch

二、安裝pytorch前首先安裝顯卡驅(qū)動(dòng)

輸入

nvidia-smi

提示Command 'nvidia-smi' not found, but can be installed with:說明你還沒有安裝顯卡驅(qū)動(dòng)

2.安裝顯卡驅(qū)動(dòng)最簡(jiǎn)單方式：

打開軟件和更新

ununtu軟件-下載自-安裝源改成國(guó)內(nèi)，然后左面有一個(gè)附加驅(qū)動(dòng)里面有許多專有的驅(qū)動(dòng)程序，點(diǎn)擊一個(gè)專有的，接著點(diǎn)擊應(yīng)用更改

3.這時(shí)如果彈出更新應(yīng)用時(shí)出錯(cuò)

解決方法：打開軟件更新器更新一下

完成后重啟在輸入nvidia-smi就可以看到電腦可以安裝cuda的最高版本號(hào)

（圖上看到可以安裝的cuda最高版本號(hào)為12.0）

三、安裝配置pytorch

1.首先查看查看顯卡使用情況

打開終端輸入：

nvidia-smi

查看可以安裝cuda的版本（低于這個(gè)或等于這個(gè)版本都可以安裝，高于11.3版本，建議安裝11.3的）

2.進(jìn)入自己創(chuàng)建的虛擬環(huán)境把pytorch安裝在自己的虛擬環(huán)境里面

（可以在torch官網(wǎng)Previous PyTorch Versions | PyTorch上復(fù)制安裝命令）

打開終端輸入：兩個(gè)不同版本看你選擇（Python需要3.7版本裝的cuda才是10.2）

這個(gè)是cuda11.3版本的torch

國(guó)內(nèi)鏡像源經(jīng)常用放在這里

-i https://pypi.tuna.tsinghua.edu.cn/simple

下載錯(cuò)了刪除虛擬環(huán)境的命令

# 第一步：首先退出環(huán)境
conda deactivate
 
# 第二步：刪除環(huán)境
conda remove -n  yolo --all

conda install pytorch==1.12.0 torchvision==0.13.0 torchaudio==0.12.0 cudatoolkit=11.3 -c pytorch

這個(gè)是cuda10.2版本的

conda install pytorch==1.8.1 torchvision==0.9.1 torchaudio==0.8.1 cudatoolkit=10.2 -c pytorch

+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++

下面復(fù)現(xiàn)VIT-SAM使用的版本

python3.8+pytorch2.0+torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.8

1. 新建虛擬環(huán)境python3.8

conda create -n yolo python=3.8

2. 安裝pytorch2.0.0

conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.8 -c pytorch -c nvidia

3. 安裝cuda11.8+cudnn（參考文章Ubuntu16.04下安裝cuda和cudnn的三種方法）

wget?https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run

sudo sh?cuda_11.8.0_520.61.05_linux.run

gedit ~/.bashrc

在bashrc里面添加如下代碼

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.8/lib64
export PATH=$PATH:/usr/local/cuda-11.8/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-11.8

source ~/.bashrc

nvcc -V #查看cuda是否安裝完成

出現(xiàn)如下cuda11.8的版本好說明安裝完成

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2022 NVIDIA Corporation
Built on Wed_Sep_21_10:33:58_PDT_2022
Cuda compilation tools, release 11.8, V11.8.89
Build cuda_11.8.r11.8/compiler.31833905_0

--------------------------------------------------------------------------------------------------------------------

安裝cudnn官網(wǎng)（參考文章Ubuntu安裝cuda與cudnn，親測(cè)可用）

參考（文章cudnn升級(jí)方法，解決CuDNN版本不兼容問題）

主要之前安裝測(cè)試完成之后在autokeras環(huán)境中遇到了這種問題：

Loaded runtime CuDNN library: 8.2.1 but source was compiled with: 8.6.0. ?CuDNN library needs to have matching major version

現(xiàn)在寫一些安裝cudnn的流程：

1. 如果你下載的cudnn是tar.xz結(jié)尾的用解壓：

tar xvJf ?data.tar.xz

cudnn是.tgz結(jié)尾的用解壓：

tar -zxvf cudnn-11.3-linux-x64-v8.2.1.32.tgz

cudnn是.deb結(jié)尾的用解壓：

sudo dpkg -i?

2.?刪除舊版本

sudo rm -rf /usr/local/cuda/include/cudnn.h
sudo rm -rf /usr/local/cuda/lib64/libcudnn*

3. 安裝新版本
cd進(jìn)入剛才解壓的cuda文件夾

sudo cp include/cudnn.h /usr/local/cuda/include/
sudo cp lib64/lib* /usr/local/cuda/lib64/

4. 建立軟連接（其中so.8.2.1和so.8是你下載的cudnn版本）

cd /usr/local/cuda/lib64/
sudo chmod +r libcudnn.so.8.2.1
sudo ln -sf libcudnn.so.8.2.1 libcudnn.so.8
sudo ln -sf libcudnn.so.8 libcudnn.so ??
sudo ldconfig

5. 測(cè)試驗(yàn)證：

?查看cudnn的版本

首先使用以下指令查看現(xiàn)有cudnn的版本

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

#define CUDNN_MAJOR 8
#define CUDNN_MINOR 2
#define CUDNN_PATCHLEVEL 1
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)
?
#include "driver_types.h"

報(bào)錯(cuò)解決：

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 沒有顯示

2.解決方法:
原因:可能是最新版本的cudnn把文件放入的cudann_version.h中而沒有在原來的cudnn.h中所以要換一個(gè)文件復(fù)制, 具體操作如下；
執(zhí)行下面代碼

sudo cp cuda/include/cudnn_version.h ? ?/usr/local/cuda/include/

查看是否安裝成功:

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

Downloading https://ultralytics.com/assets/Arial.ttf to ...... yolov5報(bào)錯(cuò)解決:

解決辦法：

在文件yolov5/utils/plots.py中，找到以下代碼：

class Annotator:
	if RANK in (-1, 0):
        check_font()  # download TTF if necessary
    # YOLOv5 Annotator for train/val mosaics and jpgs and detect/hub inference annotations
    def __init__(self, im, line_width=None, font_size=None, font='Arial.ttf', pil=False, example='abc'):

修改為：

class Annotator:
	#if RANK in (-1, 0):
        #check_font()  # download TTF if necessary
    # YOLOv5 Annotator for train/val mosaics and jpgs and detect/hub inference annotations
    def __init__(self, im, line_width=None, font_size=None, font='', pil=False, example='abc'):

----------------------------------------------------------------------------------------

找到

Download cuDNN v8.2.1 (June 7th, 2021), for CUDA 11.x

下載這三個(gè)

cuDNN Runtime Library for Ubuntu20.04 x86_64 (Deb)

cuDNN Developer Library for Ubuntu20.04 x86_64 (Deb)

cuDNN Code Samples and User Guide for Ubuntu20.04 x86_64 (Deb)

用sudo dpkg -i直接解壓即可

用以下代碼進(jìn)行測(cè)試：

import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
import torch.backends.cudnn as cudnn
from torchvision import datasets, transforms


class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.conv1 = nn.Conv2d(1, 10, kernel_size=5)
        self.conv2 = nn.Conv2d(10, 20, kernel_size=5)
        self.conv2_drop = nn.Dropout2d()
        self.fc1 = nn.Linear(320, 50)
        self.fc2 = nn.Linear(50, 10)

    def forward(self, x):
        x = F.relu(F.max_pool2d(self.conv1(x), 2))
        x = F.relu(F.max_pool2d(self.conv2_drop(self.conv2(x)), 2))
        x = x.view(-1, 320)
        x = F.relu(self.fc1(x))
        x = F.dropout(x, training=self.training)
        x = self.fc2(x)
        return F.log_softmax(x, dim=1)


def train(model, device, train_loader, optimizer, epoch):
    model.train()
    for batch_idx, (data, target) in enumerate(train_loader):
        data, target = data.to(device), target.to(device)
        optimizer.zero_grad()
        output = model(data)
        loss = F.nll_loss(output, target)
        loss.backward()
        optimizer.step()
        if batch_idx % 10 == 0:
            print('Train Epoch: {} [{}/{} ({:.0f}%)]\tLoss: {:.6f}'.format(
                epoch, batch_idx * len(data), len(train_loader.dataset),
                       100. * batch_idx / len(train_loader), loss.item()))

def main():
    cudnn.benchmark = True
    torch.manual_seed(1)
    device = torch.device("cuda")
    kwargs = {'num_workers': 1, 'pin_memory': True}
    train_loader = torch.utils.data.DataLoader(
        datasets.MNIST('../data', train=True, download=True,
                       transform=transforms.Compose([
                           transforms.ToTensor(),
                           transforms.Normalize((0.1307,), (0.3081,))
                       ])),
        batch_size=64, shuffle=True, **kwargs)

    model = Net().to(device)
    optimizer = optim.SGD(model.parameters(), lr=0.01, momentum=0.5)

    for epoch in range(1, 11):
        train(model, device, train_loader, optimizer, epoch)


if __name__ == '__main__':
    main()

如果正常輸出一下以下信息，證明已經(jīng)安裝成了：

Train Epoch: 1 [0/60000 (0%)]?? ?Loss: 2.365850
Train Epoch: 1 [640/60000 (1%)]?? ?Loss: 2.305295
Train Epoch: 1 [1280/60000 (2%)]?? ?Loss: 2.301407
Train Epoch: 1 [1920/60000 (3%)]?? ?Loss: 2.316538
Train Epoch: 1 [2560/60000 (4%)]?? ?Loss: 2.255809
Train Epoch: 1 [3200/60000 (5%)]?? ?Loss: 2.224511
Train Epoch: 1 [3840/60000 (6%)]?? ?Loss: 2.216569
Train Epoch: 1 [4480/60000 (7%)]?? ?Loss: 2.181396

ubuntu20.4+cuda11.8+python3.8對(duì)應(yīng)的tensorrt（參考文章TensorRT安裝及使用教程）

（TensorRT安裝親測(cè)這個(gè)可以我的cudnn是8.2也可以對(duì)應(yīng)cuda11.8就沒改）

因?yàn)門ensorRT不同的版本依賴于不同的cuda版本和cudnn版本。所以很多時(shí)候我們都是根據(jù)我們自己電腦的cuda版本和cudnn版本來決定要下載哪個(gè)TensorRT版本。

cuda版本

nvcc -V

在我的系統(tǒng)里，cudnn文件存在于/usr/include/文件夾下。cd進(jìn)入/usr/include/文件夾，查看cudnn的版本：

cd /usr/include/
cat cudnn_version.h

1. 首先下載TensorRT編譯YOLOv5的代碼

tensorrt官網(wǎng)（點(diǎn)進(jìn)去選擇你對(duì)應(yīng)的版本）

2. 模型轉(zhuǎn)換
在tensorrtx/yolov5文件夾中可找到gen_wts.py，該腳本可將Pytorch模型(.pt格式)轉(zhuǎn)換成權(quán)重文本文件(.wts格式)。將gen_wts.py拷貝到{ultralytics}/yolov5文件夾中，并在此文件夾中打開終端，輸入（其中best.pt 是你訓(xùn)練好的權(quán)重文件）

python gen_wts.py -w best.pt -o best.wts

這樣就在{ultralytics}/yolov5文件夾中生成了best.wts文件。

3. 修改yololayer.h參數(shù)
打開tensorrtx\yolov5文件夾，找到y(tǒng)ololayer.h文件，修改CLASS_NUM，使與pytorch模型一致：

ubuntu運(yùn)行yolov5,ubuntu,linux
?

4.??編譯并生成引擎文件
終端依次輸入下列指令，在tensortrtx/yolov5目錄下新建build文件夾

mkdir build ?

將生成的best.wts拷貝到build文件夾下，輸入下列指令對(duì)其進(jìn)行編譯

cmake .. ?
make ?

ubuntu運(yùn)行yolov5,ubuntu,linux
再輸入下列指令，可使best.wts生成best.engine，注意末尾的n代表模型尺度，可選項(xiàng)有n/s/m/l/x/n6/s6/m6/l6/x6 or c/c6 gd gw，必須與pytorch模型一致：

sudo ./yolov5 -s best.wts best.engine s

ubuntu運(yùn)行yolov5,ubuntu,linux
?

5. 進(jìn)行檢測(cè)
輸入下列指令，可對(duì)指定路徑下的圖片進(jìn)行檢測(cè)，這里的圖片路徑是…/samples：

sudo ./yolov5 -d best.engine ../samples ?

ubuntu運(yùn)行yolov5,ubuntu,linux

可以和之前沒有使用tensorrt時(shí)使用的Pytorch模型檢測(cè)所耗時(shí)間進(jìn)行對(duì)比，TensorRT加速后單幅圖片耗時(shí)明顯縮短

看到這里就可以了，后面的文字是之前寫的沒有刪

參考文章：【Jetson平臺(tái) ubuntu 18.04 使用 TensorRT 加速 YOLOv5 檢測(cè)】

+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++

安裝命令復(fù)制過來進(jìn)行安裝（不要把安裝命令后面的-c pytorch -c conda-forge去掉，否則你安裝的將是cpu版的，無法調(diào)用gpu）

pytorch要選1.10以后的不然還是CPU版本的，具體原因看：

解決cpu版本解決torch是cpu版本的問題

輸入：nvidia-smi

如果報(bào)錯(cuò)：Module nvidia/470.182.03 already installed on kernel 5.15.0-69-generic/x86_6

說明自己裝的驅(qū)動(dòng)和電腦內(nèi)核驅(qū)動(dòng)不一致（還沒有更新）重啟一下電腦即可

還不行進(jìn)入BIOS把找到驅(qū)動(dòng)后面的Secure Boot改為Disabled

NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver.

Make sure that the latest NVIDIA driver is installed and running.

解決方法：

安裝dkms：

sudo apt-get install dkms

查看本機(jī)連接不上的驅(qū)動(dòng)版本：

ls -l /usr/src/

使用dkms重新安裝適合驅(qū)動(dòng):

sudo dkms install -m nvidia -v 470.103.01

完成重啟即可測(cè)試：

nvidia-smi

import torch

print(torch.cuda.is_available())

輸出true即可

3. 配置完成測(cè)試，終端打開輸入：

Python
import torch # 如果pytorch安裝成功即可導(dǎo)入
print(torch.cuda.is_available()) # 查看CUDA是否可用，輸出true代表可以調(diào)用GPU
print(torch.cuda.device_count()) # 查看可用的CUDA數(shù)量
print(torch.version.cuda) # 查看CUDA的版本號(hào)
?

4.用conda list查看pytorch和cuda、cudnn的版本

如果發(fā)現(xiàn)安裝成CPU版本，用以下命令卸載在重新安裝：

conda uninstall pytorch
conda uninstall libtorch

有問題看以下鏈接

解決cpu版本解決torch是cpu版本的問題

yolov5跑模型時(shí)報(bào)錯(cuò)：

RuntimeError: result type Float can't be cast to the desired output type long int

解決方法：

1.打開你的【utils】文件下的【loss.py】

2.按【Ctrl】+【F】打開搜索功能，輸入【for i in range(self.nl)】找到下面的一行內(nèi)容：

（上面的代碼在【loss.py】的后半部分）

將下面代碼替換掉這一行的紅色字：anchors = self.anchors[i]

anchors, shape = self.anchors[i], p[i].shape

3.按【Ctrl】+【F】打開搜索功能，輸入【indices.append】找到下面的一行內(nèi)容：

indices.append((b, a, gj.clamp_(0, gain[3] - 1), gi.clamp_(0, gain[2] - 1))) # image, anchor, grid indices

（上面的代碼在【loss.py】的最后部分，具體位置在上一處搜索位置的下面幾行）

將下面的代碼替換掉上圖中的紅字部分：

indices.append((b, a, gj.clamp_(0, shape[2] - 1), gi.clamp_(0, shape[3] - 1)))  # image, anchor, grid

參考：yolov5部署之環(huán)境配置及源碼測(cè)試_yolov5環(huán)境測(cè)試_Christo3的博客-CSDN博客

四、ubuntu20.04下載安裝tensorrt

4.1 環(huán)境

CUDA 11.1 （11.2、11.3）

CUDNN 8.1

4.2 下載tensorRT （匹配相應(yīng)的版本）

官網(wǎng)地址：Log in | NVIDIA Developer

下載的時(shí)tar包

安裝

解壓

tar zxf TensorRT-8.0.1.6.Linux.x86_64-gnu.cuda-11.3.cudnn8.2.tar.gz

存放在自己想放的目錄下（也可以重命名），如：

mv TensorRT-8.0.1.6 /opt

4.3 添加環(huán)境

將下面的環(huán)境變量添加到.bashrc文件并保存：

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/opt/TensorRT-8.0.1.6/lib

激活環(huán)境：

source ~/.bashrc

復(fù)制tensorRT目錄下 lib、include文件夾到系統(tǒng)文件夾（或者將這兩個(gè)文件夾路徑添加到.bashrc文件中）

sudo cp -r ./lib/* /usr/lib
sudo cp -r ./include/* /usr/include

4.4 C++測(cè)試是否成功

測(cè)試代碼：TensorRT-8.0.1.6/samples/sampleMNIST

本版本無需去data文件夾下載對(duì)應(yīng)的數(shù)據(jù)集，自己帶了，如果沒有，那就下載對(duì)應(yīng)的數(shù)據(jù)集

4.5 python download_pgms.py

如果文件夾下有pgm格式的圖片說明下載成功

在tensorRT目錄下samples文件夾下用sampleMNIST示例測(cè)試

編譯：

make

清除之前編譯的可執(zhí)行文件及配置文件：

make clean

編譯成功，執(zhí)行bin目錄下的可執(zhí)行文件

./../../bin/sample_mnist

參考文章：Ubuntu20.04 安裝tensorRT_tensorrt安裝 ubuntu_墨文昱的博客-CSDN博客

需要對(duì)yolov5中的權(quán)重模型.pt轉(zhuǎn)換成onnx的，請(qǐng)點(diǎn)擊以下鏈接：

yolo的模型轉(zhuǎn)換權(quán)重pt文件轉(zhuǎn)onnx（1）

yolo的模型轉(zhuǎn)換權(quán)重pt文件轉(zhuǎn)onnx（1）_yolov5 pt轉(zhuǎn)onnx_耳語(yǔ)ai的博客-CSDN博客

參考文章：

檢查pytorch是否安裝成功、查看torch和cuda的版本

超詳細(xì) Ubuntu安裝PyTorch步驟

ubuntu18.04安裝顯卡驅(qū)動(dòng)（四種方式）

Ubuntu20.04 安裝tensorRT

參考鏈接：yolov5部署之環(huán)境配置及源碼測(cè)試_yolov5環(huán)境測(cè)試_Christo3的博客-CSDN博客文章來源地址http://www.zghlxwxcb.cn/news/detail-716434.html

到了這里，關(guān)于Ubuntu20.04配置深度學(xué)習(xí)環(huán)境yolov5最簡(jiǎn)流程的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！

国产无码综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

Toy模板網(wǎng)

Ubuntu20.04配置深度學(xué)習(xí)環(huán)境yolov5最簡(jiǎn)流程

一、Ubuntu20.04配置深度學(xué)習(xí)環(huán)境

1.首先給Ubuntu安裝Chrome瀏覽器（搜索引擎換成百度即可）

2.換成搜狗輸入法（如果安裝完成無法打漢字，可輸入以下命令）

3.安裝WPS for Linux

5. ubuntu換國(guó)內(nèi)鏡像源

6.安裝配置anaconda

安裝完成anaconda后創(chuàng)建一個(gè)虛擬環(huán)境

二、安裝pytorch前首先安裝顯卡驅(qū)動(dòng)

輸入

2.安裝顯卡驅(qū)動(dòng)最簡(jiǎn)單方式：

3.這時(shí)如果彈出更新應(yīng)用時(shí)出錯(cuò)

三、安裝配置pytorch

1.首先查看查看顯卡使用情況

2.進(jìn)入自己創(chuàng)建的虛擬環(huán)境把pytorch安裝在自己的虛擬環(huán)境里面

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 沒有顯示

Downloading https://ultralytics.com/assets/Arial.ttf to ...... yolov5報(bào)錯(cuò)解決:

3. 配置完成測(cè)試，終端打開輸入：

4.用conda list查看pytorch和cuda、cudnn的版本

四、ubuntu20.04下載安裝tensorrt

4.1 環(huán)境

4.2 下載tensorRT （匹配相應(yīng)的版本）

4.3 添加環(huán)境

4.4 C++測(cè)試是否成功

4.5 python download_pgms.py

需要對(duì)yolov5中的權(quán)重模型.pt轉(zhuǎn)換成onnx的，請(qǐng)點(diǎn)擊以下鏈接：

yolo的模型轉(zhuǎn)換權(quán)重pt文件轉(zhuǎn)onnx（1）

參考文章：

Ubuntu20.04 安裝tensorRT

覺得文章有用就打賞一下文章作者

支付寶掃一掃打賞

微信掃一掃打賞

支付寶掃一掃領(lǐng)取紅包，優(yōu)惠每天領(lǐng)

二維碼1

二維碼2

Ubuntu20.04配置深度學(xué)習(xí)環(huán)境yolov5最簡(jiǎn)流程

一、Ubuntu20.04配置深度學(xué)習(xí)環(huán)境

1.首先給Ubuntu安裝Chrome瀏覽器（搜索引擎換成百度即可）

2.換成搜狗輸入法（如果安裝完成無法打漢字，可輸入以下命令）

3.安裝WPS for Linux

5. ubuntu換國(guó)內(nèi)鏡像源

6.安裝配置anaconda

安裝完成anaconda后創(chuàng)建一個(gè)虛擬環(huán)境

二、安裝pytorch前首先安裝顯卡驅(qū)動(dòng)

輸入

2.安裝顯卡驅(qū)動(dòng)最簡(jiǎn)單方式：

3.這時(shí)如果彈出更新應(yīng)用時(shí)出錯(cuò)

三、安裝配置pytorch

1.首先查看查看顯卡使用情況

2.進(jìn)入自己創(chuàng)建的虛擬環(huán)境把pytorch安裝在自己的虛擬環(huán)境里面

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 沒有顯示

Downloading https://ultralytics.com/assets/Arial.ttf to ...... yolov5報(bào)錯(cuò)解決:

3. 配置完成測(cè)試，終端打開輸入：

4.用conda list查看pytorch和cuda、cudnn的版本

四、ubuntu20.04下載安裝tensorrt

4.1 環(huán)境

4.2 下載tensorRT （匹配相應(yīng)的版本）

4.3 添加環(huán)境

4.4 C++測(cè)試是否成功

4.5 python download_pgms.py

需要對(duì)yolov5中的權(quán)重模型.pt轉(zhuǎn)換成onnx的，請(qǐng)點(diǎn)擊以下鏈接：

yolo的模型轉(zhuǎn)換權(quán)重pt文件轉(zhuǎn)onnx（1）

參考文章：

Ubuntu20.04 安裝tensorRT

相關(guān)文章

覺得文章有用就打賞一下文章作者

支付寶掃一掃打賞

微信掃一掃打賞

支付寶掃一掃領(lǐng)取紅包，優(yōu)惠每天領(lǐng)

二維碼1

二維碼2

2.換成搜狗輸入法（如果安裝完成無法打漢字，可輸入以下命令）

三、安裝配置pytorch

3. 配置完成測(cè)試，終端打開輸入：

4.用conda list查看pytorch和cuda、cudnn的版本

四、ubuntu20.04下載安裝tensorrt

需要對(duì)yolov5中的權(quán)重模型.pt轉(zhuǎn)換成onnx的，請(qǐng)點(diǎn)擊以下鏈接：

支付寶掃一掃領(lǐng)取紅包，優(yōu)惠每天領(lǐng)