北京网站定制制作百度推广开户多少钱一个月

        由于最近工作中需要用到基于Ubuntu22.04系统yolov8的GPU环境，环境搭建相对而言挺费事的，因此作以记录。

一、关于Ubuntu和NVIDIA Driver的安装

        Ubuntu和NVIDIA Driver的安装请参考其他博主的文章，主要是我当时拿到服务器时已经安装好了，现在不想再折腾这个东西了。

安装完 NVIDIA Driver 执行 nvidia-smi 如下图。

根据输出的 nvidia-smi 信息，可以确认以下关键点：
    1、驱动安装成功
        命令正常显示显卡型号（NVIDIA GeForce RTX 3090）、驱动版本（535.230.02）及 CUDA 版本（12.2），表明 NVIDIA 内核驱动模块已正确加载。
        输出中包含 GPU 温度（33C/31C）、功耗（24W）、显存占用（482MiB/13MiB）等实时监控数据，验证了驱动的管理功能正常。

    2、GPU 状态与使用情况
        两张 RTX 3090 显卡均处于低负载状态（GPU-Util: 0%），当前仅被图形进程（如 Xorg、gnome-shell）占用，未运行计算密集型任务。
        持久化模式（Persistence-M）为关闭状态（Off），可通过 nvidia-smi -pm 1 启用以减少驱动初始化延迟。

    3、兼容性说明
        显示的 CUDA 版本（12.2）是驱动支持的最高版本，需确保安装的 CUDA 工具包版本 ≤ 12.2，否则需升级驱动。

二、安装CUDA

        前往NVIDIA官网https://developer.nvidia.com/cuda-toolkit-archive，选择和NVIDIA显卡驱动版本相适应的CUDA版本，我这里选择12.2.0版本。

        在跳转出来的界面选择系统信息和平台信息，我的信息如下。

        下载完安装包后，调用 sudo sh cuda_12.2.0_535.54.03_linux.run，选择Continue;

         跳转到如下页面，输入accept 然后回车；

        重点来了！！！在这个界面，使用空格或者Enter键，取消选择Driver，即让方括号中没有X，然后移动光标到Install，使用Enter键进行安装。如果这里不取消Driver，会覆盖安装NVIDIA驱动，会导致诸如黑屏等等不确定的问题。选择完后Install回车安装。

        稍作等待，安装完成后添加环境变量 vi  ~/.bashrc 最后面添加如下内容（/usr/local/下的cuda 和 cuda-12.2是同一个文件夹如下图）：

export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda/extras/CPUTI/lib64
export CUDA_HOME=/usr/local/cuda/bin
export PATH=$PATH:$LD_LIBRARY_PATH:$CUDA_HOME

       然后调用 source  ~/.bashrc ; 环境变量生效后调用 nvcc -V 查看信息如下：

三、安装CUDNN

在NVIDIA官网CUDA Deep Neural Network (cuDNN) | NVIDIA Developer下载和CUDA版本对应的cuDNN。这里需要登录自己NVIDIA账号，没有账号的可以用邮箱注册一个账号。

        选择后如下：

        继续按照提示选择如下：

        由于我的cuda为12.2，因此最后调用的 sudo apt-get -y install cudnn-cuda-12。

        在/usr/local/cuda/extras/demo_suite下运行bandwidthTest程序,显示如下信息，说明cuDNN安装成功。

        再运行deviceQuery程序，显示显卡相关信息，同样测试通过。

 注意：如果cudnn测试程序执行报错可以reboot重启试试，我的当时执行一直报错，重启后就好了！

四、安装Anaconda环境

        登录Anaconda官网下载对应安装包。

         下载完后执行 chmod +x Anaconda3-2025.06-0-Linux-x86_64.sh；然后执行 ./Anaconda3-2025.06-0-Linux-x86_64.sh。之后根据安装提示操作即可（基本上一路回车+输入yes）。

        安装完Anaconda后创建一个用于运行yolov8的gpu环境；命令如下：

conda create -n yolov8_310 python=3.10

        接着调用 'conda activate yolov8_310' 进入yolov8_310环境执行下列命令（必须进入yolov8_310环境）：

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

        稍许等待安装完成后测试是否成功，如果成功执行test01.py则说明环境成功：

        环境安装成功之后，调用如下命令安装Yolov8环境：

pip install ultralytics -i  https://pypi.tuna.tsinghua.edu.cn/simple/

        Yolov8环境安装完成之后测试是否安装成功，执行如下代码：