ubuntu18.04使用yolov5配置环境
时间: 2025-02-03 12:19:31 浏览: 60
### 安装Python
由于Ubuntu 18.04默认安装的是Python 3.6.9,而YOLOv5 v6.1要求的Python环境为`>=3.7.0`。因此,如果选择使用最新的YOLOv5版本,则需升级Python至至少3.7.0版本[^3]。
对于希望简化依赖管理和隔离不同项目所需的不同包及其版本的情况,推荐使用Anaconda来管理Python环境以及后续所需的其他软件包。Anaconda自带了Conda工具,可以方便地创建特定版本的Python环境,并且能够轻松处理复杂的依赖关系。
### 下载并安装Anaconda
访问官方网站获取适用于Linux系统的最新版Anaconda安装脚本文件,下载完成后通过命令行执行该bash脚本来完成安装过程。需要注意的是,在安装过程中可以选择自定义安装位置以便更好地控制磁盘空间分配;另外也要记得初始化设置使得每次启动终端时自动激活base根环境[^5]。
### 创建新的Conda虚拟环境
为了确保不会干扰到系统中原有的任何现有配置,建议新建一个专门用于YOLOv5项目的独立虚拟环境:
```shell
conda create --name yolov5 python=3.8 -y
```
这里选择了Python 3.8作为目标解释器版本,因为这是介于最低需求之上而又相对稳定的选项之一。创建完毕之后立即切换进入新建立好的环境中去继续操作:
```shell
conda activate yolov5
```
### 获取YOLOv5源码仓库
接下来克隆官方GitHub上的指定标签页下的代码副本下来准备进一步部署:
```shell
git clone -b v6.0 https://github.com/ultralytics/yolov5.git
cd yolov5
```
上述命令指定了分支参数 `-b v6.0` 来拉取具体的历史发布版本而不是最新的主干线程更新内容,这样做有助于保持实验条件的一致性和稳定性。
### 配置必要的Python库支持
根据README.md文档中的指导说明,利用pip工具快速批量安装所有必需品:
```shell
pip install -r requirements.txt
```
这一步骤将会读取requirements.txt文件内列出的各项组件清单并通过PyPI服务器远程抓取相应资源直至全部加载成功为止。其中包含了像NumPy、OpenCV-Python等计算机视觉领域常用的第三方扩展模块[^1]。
### PyTorch框架的选择与适配
考虑到硬件设施的具体情况(是否有合适的NVIDIA GPU设备可用),决定是否启用GPU加速特性。如果没有适用图形处理器的话就只需要单纯安装仅限CPU使用的精简型发行版即可满足基本功能测试的需求:
#### 对于仅有CPU的情况:
```shell
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cpu
```
这条语句特别指明了从额外索引URL处寻找适合当前平台架构特点的最佳匹配二进制分发包来进行本地化组装工作,从而绕过了编译阶段可能遇到的各种麻烦事[^2]。
#### 如果具备兼容性的NVIDIA GPU则还需要考虑如下几个方面:
- **确认已正确安装好相应的CUDA Toolkit**
可以借助`nvidia-smi`命令查询当前机器上所搭载显卡的信息连同其所能支持的最大CUDA版本号一同显示出来给用户参考选用恰当组合形式进行下一步动作之前做好充分准备工作。
- **挑选相匹配版本的PyTorch**
基于前面获得的数据表对照着官网给出的支持矩阵图表找到最接近自己实际状况的那一行列组合起来形成最终完整的安装字符串表达式提交给pip解析执行下去直到整个流程结束为止。
---
阅读全文
相关推荐


















