长安网站设计合肥网站建设百家号
🐧 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 |
6️⃣ 总结
Ubuntu 系统可同时支持 GPU 和 CPU 环境
脚本可自动检测 GPU 并安装对应依赖
模型和测试图片支持手动或脚本下载
推理结果存储在
runs/predict/目录
使用此脚本，即可快速完成 Ubuntu 上 YOLOv8 的部署与验证，非常适合团队共享。