安装CUDA10.0
- 检查系统是否满足要求
有支持CUDA的GPU lspci | grep -i nvidia
支持CUDA的操作系统。（Ubuntu没有问题）
已经安装了合适版本的gcc（CUDA10.0要求7.3.0）
系统有正确的Kernel Header 执行 sudo apt install linux-headers-$(uname -r) 即可
已经卸载了有冲突的CUDA版本
- 下载CUDA10.0安装文件https://developer.nvidia.com/cuda-10.0-download-archive 选择Linux、X86、Ubuntu18.04、runfile下载
- 禁用nouveau驱动：
sudo vi /etc/modprobe.d/blacklist-nouveau.conf，在文件中编辑：
blacklist nouveau
options nouveau modeset=0
sudo update-initramfs -u
重启机器
- 删除已有驱动
sudo apt purge nvidia-*
- 安装驱动
sudo ubuntu-drivers autoinstall （在此之前可以执行命令 ubuntu-drivers devices查看系统推荐的驱动程序，也可以在桌面上执行【软件和更新】，在附加驱动中选择推荐的驱动）
- 重启计算机
- 执行安装命令
sudo sh cuda_10.0.130_410.48_linux.run，注意一定不要选择安装驱动，其余回答yes或默认值
- 设置环境变量：vi ~/.bashrc，编辑如下内容：
export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
- 保存退出，执行 source ~/.bashrc
- 验证安装是否成功
cd /usr/local/cuda/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
显示 Result=PASS以及CUDA驱动信息，表示安装成功
miniconda
- 前言
conda是一种通用包管理系统，旨在构建和管理任何语言和任何类型的软件。举个例子：包管理与
pip的使用类似，环境管理则允许用户方便地安装不同版本的python并可以快速切换。
Anaconda则是一个打包的集合，里面预装好了conda、某个版本的python、众多packages、科学
计算工具等等，就是把很多常用的不常用的库都给你装好了。
Miniconda，顾名思义，它只包含最基本的内容——python与conda，以及相关的必须依赖项，对
于空间要求严格的用户，Miniconda是一种选择。就只包含最基本的东西，其他的库得自己装。
Miniconda会比Anaconda小很多，Miniconda足够用，两者安装都很简单。
- 安装miniconda
mkdir miniconda
cd miniconda
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh
执行程序
bash Miniconda3-latest-Linux-x86_64.sh
这里会弹出一个软件协议条款让你阅读，这时候直接按下Ctrl+C便可以跳过阅读过程，直接按照提示，输入yes（有yes/no的都选yes），然后按回车键，同意软件协议条款。接下来继续按回车，将miniconda安装到电脑上。安装好之后，提示如下：
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-EzrqUqDD-1649832223958)(/storage/2022/04-13/4sLYRZey9EFykCPp4eqflYGf3zLlI38ioO1Syfqp.png)]
重启终端之后，就可以使用miniconda了。但先换源，将conda和pip的软件源修改成清华的源，下载安装软件会快很多：
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 --set show_channel_urls yes
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
换完源再次重启终端之后，你会发现每次打开终端默认都会自动进入到miniconda的base环境中，终端中多了“base”字样。这样会拖慢终端打开速度，并且有可能干扰到其它软件的安装。要退出的话，必须每次打开终端之后先执行conda deactivate命令，让人很难受。执行如下命令，便可以解决终端每次打开都进入conda的base环境的问题：
conda config --set auto_activate_base false
至此 miniconda 已安装完成
安装labelimg 标注软件
输入命令 获取labelimg 工程
git clone https://github.com/Ruolingdeng/labelImg.git
然后打开安装包labelImg，并右键打开终端或快捷键Ctrl+Alt+T打开终端并cd 目录到labelImg下，输入
sudo apt-get install pyqt5-dev-tools #安装过实训系统的电脑应该不需要这一步，因为已经装过了
安装完之后，打开安装包labelImg，并右键打开终端，然后输入：
sudo pip3 install -r requirements/requirements-linux-python3.txt
make qt5py3
然后运行软件
python3 labelImg.py
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Iisu9jvK-1649832223959)(/storage/2022/04-13/XYogpN8YL8imakrrlYeLauOShr7pIZN0N7ZnBmWV.png)]
出现该界面为 软件安装成功
Yolov5
一.搭建YOLOv5深度学习环境
conda create -n yolov5 python=3.10 //yolov5是虚拟环境的名字
source activate yolov5
此时，已进入 miniconda的虚拟环境
二、下载YOLO V5 工程
git clone https://github.com/ultralytics/yolov5
进入yolo v5 目录下
cd yolov5
安装 yolo v5 依赖
pip install -r requirements.txt
使用官网命令安装pytorch
pip install torch==1.8.0+cpu torchvision==0.9.0+cpu torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html
至此 Yolo v5 环境已搭建完成
可以使用测试程序 对进行简单图片识别测试
python detect.py --source ./data/images/
