当前位置：首页 > news >正文

Ubuntu 系统 YOLOv8 部署教程（GPU CPU 一键安装）

news 2025/9/11 6:23:29

🐧 Ubuntu 系统 YOLOv8 部署教程（GPU & CPU 一键安装）

本文介绍在 Ubuntu 系统上部署 YOLOv8 的完整步骤，支持 GPU（NVIDIA + CUDA） 和 CPU 两种环境。适合 Ubuntu 20.04 / 22.04 用户。

1️⃣ 环境准备

操作系统：Ubuntu 20.04 / 22.04
Python：推荐 3.9
包管理：Anaconda / Miniconda
GPU 用户：安装 NVIDIA 驱动和 CUDA（示例使用 CUDA 11.8）
基础工具：

sudo apt update
sudo apt install -y wget git

2️⃣ 手动下载模型与测试图片

创建目录并下载模型、测试图片：

mkdir -p ~/yolo/models
mkdir -p ~/yolo/images# 下载 YOLOv8n 模型
wget -O ~/yolo/models/yolov8n.pt https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8n.pt# 下载测试图片
wget -O ~/yolo/images/bus.jpg https://github.com/ultralytics/assets/raw/main/bus.jpg

注：如果文件已经存在，可跳过下载。

3️⃣ 一键部署脚本（Ubuntu GPU/CPU）

保存为 deploy-yolov8-ubuntu.sh，脚本会自动检测 GPU 并选择安装环境：

#!/bin/bashYOLO_DIR="$HOME/yolo"
MODEL_PATH="$YOLO_DIR/models/yolov8n.pt"
IMAGE_PATH="$YOLO_DIR/images"
CUDA_VERSION="cu118"# 创建目录
mkdir -p "$YOLO_DIR/models"
mkdir -p "$YOLO_DIR/images"# 下载模型和图片
[ ! -f "$MODEL_PATH" ] && wget -O "$MODEL_PATH" https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8n.pt
[ ! -f "$IMAGE_PATH" ] && wget -O "$IMAGE_PATH" https://github.com/ultralytics/assets/raw/main/bus.jpg# 检测 GPU
if command -v nvidia-smi &> /dev/null; thenGPU_AVAILABLE=trueecho "检测到 NVIDIA GPU"
elseGPU_AVAILABLE=falseecho "未检测到 GPU，使用 CPU"
fi# 配置环境名
if [ "$GPU_AVAILABLE" = true ]; thenENV_NAME="yolov8-gpu"
elseENV_NAME="yolov8-cpu"
fiPYTHON_VER="3.9"# 创建 Conda 环境
echo "创建 Conda 环境: $ENV_NAME"
conda create -n $ENV_NAME python=$PYTHON_VER -y
source ~/anaconda3/etc/profile.d/conda.sh
conda activate $ENV_NAME# 安装依赖
echo "安装 YOLOv8 和依赖"
pip install -U pip setuptools wheel
if [ "$GPU_AVAILABLE" = true ]; thenpip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/$CUDA_VERSION
elsepip install torch torchvision torchaudio
fi
pip install ultralytics onnxruntime tensorboard wandb# 验证安装
yolo predict model="$MODEL_PATH" source="$IMAGE_PATH"
echo "部署完成！请在 runs/predict/ 查看检测结果 🎉"

执行脚本：

chmod +x deploy-yolov8-ubuntu.sh
./deploy-yolov8-ubuntu.sh

4️⃣ 部署流程图（文本版，Notion/CSDN 兼容）

创建目录 ~/yolo│├── 下载模型 yolov8n.pt│└── 下载测试图片 bus.jpg│创建 Conda 环境│
安装 PyTorch + YOLOv8 (GPU/CPU)│验证安装│┌─────────┴─────────┐│                   │检测结果生成?         检查依赖或路径│Yes│部署成功 🎉

注：GPU 用户安装 CUDA 版本的 PyTorch，CPU 用户安装普通 PyTorch。

5️⃣ GPU vs CPU 对比

步骤	GPU 版本	CPU 版本	说明
Python 环境	3.9 (Conda)	3.9 (Conda)	环境相同
CUDA 驱动	需要	不需要	GPU 才能加速
PyTorch 安装	CUDA 支持版本	CPU 版本	pip 自动安装
YOLOv8 安装	pip install ultralytics	pip install ultralytics	一致
推理速度	高速（GPU 加速）	较慢（依赖 CPU 核心）	显著差异
模型 & 图片	自动下载或手动下载	自动下载或手动下载	一致
验证步骤	yolo predict	yolo predict	CLI 相同