python做网站例子,电影网站开发源代码,flash网址,wordpress主题背景图最近在复现yolo v8的程序#xff0c;特记录一下过程
环境#xff1a;ubuntu18.04ros melodic
小知识#xff1a;GPU并行计算能力高于CPU—B站UP主说的
Ubuntu可以安装多个版本的CUDA。如果某个程序的Pyorch需要不同版本的CUDA#xff0c;不必删除之前的CUDA#xff0c;…最近在复现yolo v8的程序特记录一下过程
环境ubuntu18.04ros melodic
小知识GPU并行计算能力高于CPU—B站UP主说的
Ubuntu可以安装多个版本的CUDA。如果某个程序的Pyorch需要不同版本的CUDA不必删除之前的CUDA可以实现多版本的CUDA切换
一、查看当前PyTorch使用的CUDA版本
python -c import torch; print(torch.version.cuda)注意sudo ln -sf libcudnn.so.8.0.5 libcudnn.so.8 1.需要进入conda环境 2.进入conda环境命令
conda activate ****3.查看conda环境命令
conda env list4.卸载指定conda环境
conda remove -n 需要删除的环境名 --all5.创建conda环境
conda create -n [your_env_name] python[X.X]2.7、3.6等)
#egconda create -n django_env python3.6二、假设ubuntu系统已经安装了CUDA此时需要重新安装另外一个版本如果你是第一次安装CUDA也没关系重复下面步骤两次选择不同的CUDA版本即可。进入cuda官网选择需要的版本。
原因为什么如此麻烦下载多个版本的CUDA呢因此我们在复现别人代码时都会看到类似的要求 Pip install the ultralytics package including all requirements in a Python3.8 environment with PyTorch1.8. 不同程序需要不同版本的python和pytorch而pytorch和CUDA之间有一定的对应关系如果不按要求安装会造成后续报错无法复现他人的程序。pytorch和CUDA的对应关系网站 https://pytorch.org/get-started/previous-versions/
CUDA官网下载https://developer.nvidia.com/cuda-toolkit
注意官网页面显示的是最新版本的cuda点击Resources中的Archive of Previous CUDA Releases选择之前的版本例如我这里选择的是CUDA Toolkit 11.1.1 (October 2020), Versioned Online Documentation 点击CUDA Toolkit 11.1.1即可 按照下图进行选择Linux—x86_64—Ubuntu—18.04—runfile(local) 下载方法可以参考我另外一篇博客ubuntu系统配置CUDA和cuDNN
大致流程如下
安装复制https://developer.download.nvidia.com/compute/cuda/11.1.1/local_installers/cuda_11.1.1_455.32.00_linux.run 到另外一个网页进行下载。
使用如下命令安装
sudo sh cuda_11.1.1_455.32.00_linux.run后面的步骤为
1. QExisting package manager installation of the driver found. It is strongly │
│ recommended that you remove this before continuing. │
│ Abort │
│ Continue
AContinu2. QDo you accept the previously read EULA?accept/decline/quit:
Aaccept # 接受协议
3.Q
│ CUDA Installer │
│ - [X] Driver │
│ [X] 455.32.00 │
│ [X] CUDA Toolkit 11.1 │
│ [X] CUDA Samples 11.1 │
│ [X] CUDA Demo Suite 11.1 │
│ [X] CUDA Documentation 11.1 │
│ Options │
│ Install
A:
#注意根据提示[ ]中没有X的即不选择[X] 表示选择安装因为已经提前安装了显卡驱动所以把显卡驱动的安装选项取消掉
#只有CUDA Toolkit 11.0是必选项其他可选可不选
# Install进入下一步
4.Q A symlink already exists at /usr/local/cuda. Update to this installation? │
│ Yes │
│ No
AN0选择no否则会创建一个软连接覆盖之前那个/usr/local/cuda至此CUDA11.1安装成功
cuda版本切换和环境变量设置
1、在 ~/.bashrc 文件中设置cuda的环境变量内容如下这样是可以做到cuda版本切换的通过更换软连接方式
gedit ~/.bashrc
添加环境变量在~/.bashrc的最后添加以下内容export PATH/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH/usr/local/cuda/lib64:$LD_LIBRARY_PATH
export CUDA_HOME/usr/local/cuda保存文件然后运行命令
source ~/.bashrc安装后在/usr/local路径下通过ls命令查看是否存在新安装的CUDA目录 可以看到有之前安装的cuda-11.0和新安装的cuda-11.1
三、安装对应的cuDNN 安装新的版本的CUDA后还要安装对应的cuDNN。 1、首先下载对应版本的cuDNN 百度搜索cuDNN官网下载CUDA对应版本的cuDNN
https://developer.nvidia.cn/rdp/cudnn-archive我下载的是Download cuDNN v8.0.5 (November 9th, 2020), for CUDA 11.1 此处下载
cuDNN Library for Linux (x86_64)2、cd到cudnn压缩包所在的文件夹下进行解压等操作
tar -zxvf cudnn-11.1-linux-x64-v8.0.5.39.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda-11.1/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-11.1/lib64/
sudo chmod ar /usr/local/cuda-11.1/include/cudnn.h /usr/local/cuda-11.1/lib64/libcudnn*cd /usr/local/cuda-11.1/lib64/
sudo ln -sf libcudnn.so.8.0.5 libcudnn.so.8注意这里cuda-后面的数字根据自己的版本号进行个修改不知道的话可以Tab补全
四、CUDA版本的切换
1、删除原版本的cuda软连接
sudo rm -rf /usr/local/cuda2、建立新的指向cuda-11.1的软连接
sudo ln -s /usr/local/cuda-11.1 /usr/local/cuda3、重新查看当前CUDA版本
cd /usr/local/
stat cuda五、安装yolo v8所需的pytorch 前几步已经安装好了cuda和cudnn这里下载对应的pytorch1.8.0 cuda和pytorch版本关系网址https://pytorch.org/get-started/previous-versions/ a.创建yolov8的conda环境
conda create -n yolov8 python3.8b.进入yolov8的conda环境
conda activate yolov8c.下载pytorch及对应的torchvision、torchaudio、cudatoolkit等
conda install pytorch1.8.0 torchvision0.9.0 torchaudio0.8.0 cudatoolkit11.1 -c pytorch -c conda-forge注意此时报错
/ WARNING conda.core.envs_manager:register_env(50): Unable to register enviroment. Path not writable or missing.解决办法这是一个conda新建虚拟环境的权限问题给予主目录下anaconda3文件权限即可在主目录下打开终端执行以下命令。
sudo chown -R dlut anaconda3其中dlut是我电脑的名字根据实际情况修改。 回到之前的终端重新执行
conda install pytorch1.8.0 torchvision0.9.0 torchaudio0.8.0 cudatoolkit11.1 -c pytorch -c conda-forge此时显示了yolov8的conda环境已经成功配置执行以下命令即可查询到pytorch对应的cuda版本。
python -c import torch; print(torch.version.cuda)显示的是CUDA 11.1。
终于搞定了完结撒花 接下来正式安装及运行yolov8
