Ubuntu 20.04下安装Miniconda、配置conda环境，安装PyTorch，安装YOLO等相关库（二）

🐍 安装 Miniconda

首先，需要在Ubuntu 20.04上安装Miniconda，这是一个轻量级的Conda版本。
Ubuntu 20.04上安装Miniconda3

⚙️ 配置Conda环境与PyTorch

为YOLO项目创建一个独立的Conda环境是个好习惯，可以避免包版本冲突。

1. 创建并激活新环境
   建议使用Python 3.8或3.9。这里以创建一个名为 yolo_env，Python版本为3.9的环境为例：

   conda create -n yolo_env python=3.9
   conda activate yolo_env
   

   激活后，终端提示符前的 (base) 会变成 (yolo_env)。

2. 安装PyTorch
   根据你的硬件条件，选择安装对应的PyTorch版本。

   • 情况一：使用NVIDIA GPU（CUDA）
     如果有NVIDIA显卡并已安装合适的驱动和CUDA工具包，可以安装GPU版本的PyTorch以获得加速。

     # 使用conda安装（以CUDA 12.4为例）
     conda install pytorch torchvision torchaudio pytorch-cuda=12.4 -c pytorch -c nvidia
     

   • 情况二：仅使用CPU
     如果没有NVIDIA GPU或不想配置CUDA，可以安装CPU版本的PyTorch：

     conda install pytorch torchvision torchaudio cpuonly -c pytorch
     

3. 验证PyTorch安装
   安装完成后，在激活的 yolo_env 环境中启动Python，运行以下代码进行验证：

   import torch
   print(torch.__version__)  # 打印PyTorch版本
   print(torch.cuda.is_available())  # 如果输出True，则表示GPU版本的PyTorch可用；如果输出False，重启一下再试一下
   

🚀 安装YOLO及相关库

现在可以安装YOLO所需的库了。以Ultralytics的YOLOv5/v8为例。

1. 使用pip安装
   在激活的 yolo_env 环境中，运行以下命令安装 ultralytics 包，它包含了YOLOv5和YOLOv8：

   pip install ultralytics
   

   这个命令会自动安装YOLO运行所需的所有依赖，如 opencv-python, numpy, pillow 等。

2. 基本验证
   安装完成后，可以尝试导入YOLO来验证：

   from ultralytics import YOLO
   print("YOLO库安装成功！")
   

💡 使用与后续步骤

完成上述安装后，可以开始使用YOLO了。

• 快速体验：可以使用PyTorch Hub快速加载预训练模型进行图片或视频的推理。
• 训练自己的模型：需要准备数据集（如COCO格式），然后参考YOLO官方文档或教程（如中提及的）来编写训练脚本。

⚠️ 注意事项

• 驱动与CUDA：如果打算使用GPU，请务必确保在安装PyTorch之前，系统已经正确安装了与显卡匹配的NVIDIA驱动和CUDA工具包。可以通过运行 nvidia-smi 命令来检查驱动和CUDA版本。
• 包管理器选择：在Conda环境中，通常优先使用 conda install 来安装包，因为它能更好地处理依赖关系。但对于PyTorch和YOLO，有时使用 pip 能获得更新的版本。如果遇到依赖冲突，可以尝试创建一个全新的环境。
• 镜像源：如果使用Conda或pip安装速度较慢，可以考虑配置国内的镜像源（如清华镜像源）来加速下载。