Ubuntu下设置YOLOv11深度学习情况
一、确定显卡相干内容1.检察cuDNN版本
在终端下,执行下面的命令
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2 输出效果为:
#define CUDNN_MAJOR 8
#define CUDNN_MINOR 0
#define CUDNN_PATCHLEVEL 5
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)
#endif /* CUDNN_VERSION_H */ 从上面的信息可以看出这里使用的cuDNN版本是:8.0.5
2.检察GPU信息
执行下面的命令来检察GPU的型号
nvidia-smi 效果如下所示:
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 470.182.03 Driver Version: 470.182.03 CUDA Version: 11.4 |
|-------------------------------+----------------------+----------------------+
| GPUName Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| FanTempPerfPwr:Usage/Cap| Memory-Usage | GPU-UtilCompute M. |
| | | MIG M. |
|===============================+======================+======================|
| 0NVIDIA GeForce ...Off| 00000000:01:00.0On | N/A |
| 23% 39C P8 7W / 180W | 476MiB /8111MiB | 0% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: |
|GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=============================================================================|
| 0 N/AN/A 1387 G /usr/lib/xorg/Xorg 26MiB |
| 0 N/AN/A 1539 G /usr/bin/gnome-shell 97MiB |
| 0 N/AN/A 2046 G /usr/lib/xorg/Xorg 222MiB |
| 0 N/AN/A 2311 G /usr/bin/gnome-shell 57MiB |
| 0 N/AN/A 3796 G ...AAAAAAAAA= --shared-files 67MiB |
+-----------------------------------------------------------------------------+ 上述代码可知,CUDA的最高版本为11.4。
二、离线下载和安装Pytorch
1.下载Pytorch包
根据上面的查到的CUDA版本和cuDNN版本来确定下载的pytorch版本。
首先辈入这个网址中，PyTorch Versions 选择与自己的CUDA相匹配的安装命令。但是由于torch比力大，如果网络欠好，轻易安装失败。所以保险起见，可以先将这些包先下载下来，再安装到相应的情况中。根据命令就可知，你需要下载的torch、torchaudio和torchvision这三个版本型号了。
然后，进入这个网址：打开后面的网址 Download PyTorch，再打开torch、torchaudio和torchvision这三个链接。
进入这三个链接后，使用快捷键Ctrl+F搜刮相应版本号。
注意：
"cuxxx":是指GPU版本；"cpxxx":是指Python版本；"cpu":是指CPU；
"linux_x86_64":是指Linux操作体系；"win_arm64"是指Windows操作体系。
2.离线安装pytorch
然后将刚才下载的三个文件复制到新创建的文件夹中（文件夹名字最好不要带有中文）。
在终端里，进入需要安装torch的情况。
再使用cd命令进入到存放torch的目录中。
cd 'path/save_torch_file' 末了依次输入命令pip install 加上文件名，安装这三个包。
这次安装，也会下载一些东西。所以最好使用镜像源来安装，防止报错。
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torch-1.12.0+cu113-cp310-cp310-linux_x86_64.whl 3.检验是否安装成功
在安装完torch、torchaudio、torchvision之后,输入三条命令检查是否安装成功。
在该终端中先输入python，
再输入import torch
末了输入torch.cuda.is_available()
若返回值为True，则成功安装pytorch离线版本，
输入命令pip list，可以检察已经安装的文件以及对应版本。末了，输入exit()退出python。
三、安装yolov11所需要的模块
1.使用下面这条命令安装yolov11所需要的模块
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple ultralytics 使用上述命令，会自动安装yolov11所需要模块的最新版本。
2.Python版本与numpy版本相匹配
如果，你使用的Python版本不高，可能，步伐会报错，说numpy不可用。
下面是一个简化的Numpy版本和Python版本的对应关系表，用于指导我们在差别Python版本下选择合适的Numpy版本：
Numpy版本兼容的Python版本1.26.03.9-3.121.25.03.9-3.111.24.03.8-3.111.23.03.8-3.101.22.03.8-3.101.21.03.7-3.9 请注意，这只是一个简化的对应关系表，实际使用中还需要根据具体的项目需求和情况设置进行调整。此外，为了获取最新的版本信息，建议查阅Numpy和Python的官方文档或相干社区。
1）卸载当前Numpy
pip uninstall numpy
2）检察当前Numpy可用的版本号
pip index versions numpy
3）安装特定版本号的Numpy
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy==自己想要的版本号 3.运行yolov11
from ultralytics.models import YOLO
model = YOLO('yolov11n.pt')
results = model.predict(source="ultralytics/assets/bus.jpg", conf=0.25, show=True, save=True
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]