首页 > 系统相关 >【YOLO目标检测实战 】2.Linux子系统安装Anaconda和Ultralytics

【YOLO目标检测实战 】2.Linux子系统安装Anaconda和Ultralytics

时间:2024-10-31 19:19:36浏览次数:4  
标签:Ultralytics edu YOLO apt conda https Anaconda pip anaconda

1 安装软件包

  1. 更新仓库源
sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak

sudo sed -i "s@http://.*archive.ubuntu.com@http://repo.huaweicloud.com@g" /etc/apt/sources.list

sudo sed -i "s@http://.*security.ubuntu.com@http://repo.huaweicloud.com@g" /etc/apt/sources.list

cat /etc/apt/sources.list
  1. 安装软件包
# apt安装更新
sudo apt update

# apt软件升级
sudo apt upgrade

# apt软件安装
sudo apt install htop -y

# apt清除安装(可选)
sudo apt autoremove

sudo apt autoclean

# apt缓存清除(可选)
sudo apt clean && sudo rm -rf /var/lib/apt/lists/*

2 安装Anaconda

下载地址:https://www.anaconda.com/download

  1. 选择跳过注册,选择对应版本,进行下载

  1. 拷贝安装程序到Linux子系统中,根据默认选项进行安装
# 安装anaconda
bash Anaconda3-2024.10-1-Linux-x86_64.sh

Please, press ENTER to continue
>>> ENTER

Do you accept the license terms? [yes|no]
>>> yes

Anaconda3 will now be installed into this location:
/home/ubuntu/anaconda3

  - Press ENTER to confirm the location
  - Press CTRL-C to abort the installation
  - Or specify a different location below

[/home/ubuntu/anaconda3] >>> ENTER

Do you wish to update your shell profile to automatically initialize conda?
This will activate conda on startup and change the command prompt when activated.
If you'd prefer that conda's base environment not be activated on startup,
   run the following command when conda is activated:

conda config --set auto_activate_base false

You can undo this by running `conda init --reverse $SHELL`? [yes|no]
[no] >>> yes

# 重新进入Linux子系统,在命令行前面有(base),表示已经进入conda环境
  1. 设置conda换清华源
# 设置显示url通道
conda config --set show_channel_urls yes

# 设置conda清华源,删除原始源后,复制下面清华源
vim ~/.condarc

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  deepmodeling: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/

# 清除conda索引信息
conda clean -i

# 创建新的conda环境,测试换源是否成功
conda create -n myenv anaconda

# 进入创建的conda环境
conda activate myenv

# 删除创建的conda环境
conda deactivate

conda remove -n myenv --all

# 清除所有缓存(可选)
conda clean --all

rm -rf ~/.cache/conda

# 查看使用空间
conda info --all

3 升级pip

# pip3换清华源
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

pip config list

# pip3升级
python -m pip install --upgrade pip

# pip更新软件
pip install --upgrade setuptools wheel nvitop

# pip缓存清除(可选)
pip cache purge

rm -rf ~/.cache/pip

4 安装PyTorch

下载地址:https://pytorch.org/get-started/locally/

  1. 查看显卡驱动支持的cuda版本(安装PyTroch的cuda版本需小于显卡驱动支持的cuda版本)
nvidia-smi.exe

  1. 通过pip安装PyTorch
pip install torch torchvision torchaudio
  1. 验证PyTorch是否安装成功
python

import torch

torch.cuda.is_available()

5 安装Ultralytics

下载地址:https://github.com/ultralytics/ultralytics/tree/v8.3.24

  1. 下载Ultralytics代码

  2. 拷贝代码Linux子系统中安装

# 解压进入目录(如果unzip解压失败,请卸载unzip后重装)
unzip ultralytics-8.3.24.zip

cd ultralytics-8.3.24/

# 安装代码
pip install -e .

# 查看是否成功
pip list | grep ultralytics

# 卸载安装代码(可选)
pip uninstall ultralytics

资料下载

链接: https://pan.baidu.com/s/1XX6EB7d97WCP0nxiTneqlA 提取码: itby

欢迎关注

微信公众号:AI创客工厂

QQ群:392979889

标签:Ultralytics,edu,YOLO,apt,conda,https,Anaconda,pip,anaconda
From: https://www.cnblogs.com/d442130165/p/18518708

相关文章

  • YOLOv4和Darknet实现坑洼检测
    项目源码获取方式见文章末尾!600多个深度学习项目资料,快来加入社群一起学习吧。《------往期经典推荐------》项目名称1.【MobileViT实现垃圾分类】2.【卫星图像道路检测DeepLabV3Plus模型】3.【GAN模型实现二次元头像生成】4.【CNN模型实现mnist手写数字识别】5.......
  • <项目代码>YOLOv8 钢索缺陷检测<目标检测>
     YOLOv8是一种单阶段(one-stage)检测算法,它将目标检测问题转化为一个回归问题,能够在一次前向传播过程中同时完成目标的分类和定位任务。相较于两阶段检测算法(如FasterR-CNN),YOLOv8具有更高的检测速度和实时性。1.数据集介绍数据集详情可以参考博主写的文章<数据集>钢索缺陷检测......
  • YOLO11数据增强 :自动生成图片以及xml文件,开箱即用
        ......
  • YOLOv6-4.0部分代码阅读笔记-data_augment.py
    data_augment.pyyolov6\data\data_augment.py目录data_augment.py1.所需的库和模块2.defaugment_hsv(im,hgain=0.5,sgain=0.5,vgain=0.5): 3.defletterbox(im,new_shape=(640,640),color=(114,114,114),auto=True,scaleup=True,stride=32): 4.defmixup(......
  • yolov8+多算法多目标追踪+实例分割+目标检测+姿态估计(代码+教程)
    #多目标追踪+实例分割+目标检测YOLO(YouOnlyLookOnce)是一个流行的目标检测算法,它能够在图像中准确地定位和识别多个物体。在这里插入图片描述本项目是基于YOLO算法的目标跟踪系统,它将YOLO的目标检测功能与目标跟踪技术相结合,实现了实时的多目标跟踪。在目标......
  • 自动驾驶热成像物体检测- YOLOv9 - YOLOv8 - YOLOv5 - YOLOv7
    标签-物体检测filadataset-模型在这里插入图片描述类别(4)-自行车-汽车-狗-人在这里插入图片描述度量指标-平均精度均值(mAP):88.8%-准确率(Precision):92.0%-召回率(Recall):78.9%尝试此模型-上传一张图片或者从您的设备中选择在这里插......
  • YOLOv8改进 - 注意力篇 - 引入GAM注意力机制
    #YOLO##目标检测##计算机视觉#一、本文介绍作为入门性篇章,这里介绍了GAM注意力在YOLOv8中的使用。包含GAM原理分析,GAM的代码、GAM的使用方法、以及添加以后的yaml文件及运行记录。二、GAM原理分析GAM官方论文地址:文章GAM官方代码地址:​GAM注意力机制:GAM采用了顺序的通......
  • OpenCV与AI深度学习 | 实战 | YOLO11自定义数据集训练实现缺陷检测 (标注+训练+预测
    本文来源公众号“OpenCV与AI深度学习”,仅用于学术分享,侵权删,干货满满。原文链接:实战|YOLO11自定义数据集训练实现缺陷检测(标注+训练+预测保姆级教程)导 读   本文将手把手教你用YOLO11训练自己的数据集并实现缺陷检测。安装环境YOLO11的介绍和使用这里不再赘......
  • 江大白 | 跨界融合创新,基于YOLO11和Ollama的增强OCR文本识别
    本文来源公众号“江大白”,仅用于学术分享,侵权删,干货满满。原文链接:跨界融合创新,基于YOLO11和Ollama的增强OCR文本识别导读本文介绍一种通过自定义YOLOv11和EasyOCR,结合Ollama优化OCR效果的方法,解决了传统OCR在复杂图像中的识别难题,显著提高了准确性,为高精度文本提取提供了有......
  • YOLO(You Only Look Once)目标检测系列 - YOLOv1
    今天开始更新YOLO系列的文章,并且配套详细的代码,供大家使用。YOLO(YouOnlyLookOnce)目标检测系列-YOLOv1一、引言YOLO(YouOnlyLookOnce)是一个高效的目标检测系统,能够在单次前向传递中检测图像中的多个对象。它在速度和准确性之间取得了良好的平衡,适合于实时应用。本......