安装yolo26【无标题】

这里写自定义目录标题1 安装ubuntu26.042 安装cuda12.81 安装 CUDA 12.82 配置 CUDA 环境变量3 安装 cuDNN 9.214 安装miniforge5 安装yolo261. 创建并进入 yolo26 环境2. 安装 CUDA 12.8 的 PyTorch nightly关键3. 验证 PyTorch CUDA 是否生效必须做4. 安装 YOLO26Ultralytics5. 测试 YOLO26 推理1 安装ubuntu26.042 安装cuda12.81 安装 CUDA 12.8# 1. 给安装包权限sudo chmodx cuda_12.8.1_570.124.06_linux.run# 2. 安装不装驱动只装CUDAsudo./cuda_12.8.1_570.124.06_linux.run--silent--toolkit2 配置 CUDA 环境变量echoexport PATH/usr/local/cuda-12.8/bin:$PATH~/.bashrc echoexport LD_LIBRARY_PATH/usr/local/cuda-12.8/lib64:$LD_LIBRARY_PATH~/.bashrc source~/.bashrc## 验证是否成功nvcc-V nvcc:NVIDIA(R)Cuda compiler driver Copyright(c)2005-2025NVIDIA Corporation Built on Fri_Feb_21_20:23:50_PST_2025 Cuda compilation tools,release12.8,V12.8.93Build cuda_12.8.r12.8/compiler.35583870_03 安装 cuDNN 9.21# 1. 添加NVIDIA源密钥sudo dpkg-i cuda-keyring_1.1-1_all.deb sudo apt update# 2. 安装对应CUDA 12.8的cuDNNsudo apt install-y cudnn9-cuda-12# 3. 把cuDNN复制到CUDA目录让YOLO/PyTorch能找到sudo cp/usr/include/x86_64-linux-gnu/cudnn*.h/usr/local/cuda/include/sudo cp/usr/lib/x86_64-linux-gnu/libcudnn*/usr/local/cuda/lib64/sudo ldconfig## 验证 cuDNNcat/usr/local/cuda/include/cudnn_version.h|grep CUDNN_MAJOR-A24 安装miniforge从miniforge官网https://github.com/conda-forge/miniforge下载或者执行以下命令wgethttps://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-Linux-x86_64.sh# 在Miniforge3-Linux-x86_64.sh所在文件夹执行以下命令安装默认位置是默认位置是/home/username/miniforge3bashMiniforge3-Linux-x86_64.sh# 确认下载路径是否正确ls/home/username/.miniforge3/bin# 打开终端并使用vim打开 ~/.bashrc 文件vim~/.bashrc# 使用方向键移动光标到文件的末尾并按下 i 进入编辑模式在文件的末尾添加以下行将miniforge的bin目录路径添加到环境变量exportPATH/path/to/miniforge3/bin:$PATH# 按下 Esc 退出编辑模式并输入 :wq 保存并退出文件# 更新当前终端的环境变量使更改生效source~/.bashrc# 安装完成后重新打开一个新的终端conda initbashsource~/.bashrc# 创建的是新的虚拟环境conda create--nameyolo26# 激活你的虚拟环境conda activate yolo265 安装yolo26CUDA 12.8 cuDNN 9.21.1 RTX 50801. 创建并进入 yolo26 环境# 建环境推荐 Python 3.10/3.11兼容最好conda create-n yolo26 python3.10-y# 进环境conda activate yolo26# 升级 pip防止 nightly 包解析失败pip install--upgrade pip2. 安装 CUDA 12.8 的 PyTorch nightly关键你的系统 CUDA 是 12.8对应 nightly 源是 cu128pip install--pre torch torchvision torchaudio \--index-url https://download.pytorch.org/whl/nightly/cu128–pre装预发布nightly版本cu128匹配你系统的 CUDA 12.8自动拉取最新编译的 torch/torchvision/torchaudio支持 RTX 5080sm_1203. 验证 PyTorch CUDA 是否生效必须做在同一终端执行python-c importtorchprint(PyTorch 版本:,torch.__version__)print(CUDA 可用:,torch.cuda.is_available())print(CUDA 版本:,torch.version.cuda)print(GPU 设备:,torch.cuda.get_device_name(0))print(GPU 算力:,torch.cuda.get_arch_list()) PyTorch 版本:2.12.0.dev20260407cu128 CUDA 可用:TrueCUDA 版本:12.8GPU 设备:NVIDIA GeForce RTX5080Laptop GPU GPU 算力:[sm_75,sm_80,sm_86,sm_90,sm_100,sm_120]4. 安装 YOLO26Ultralytics# 装正式版 YOLO26pip install numpy opencv-python matplotlib tqdm pillow pandas ultralytics-i https://pypi.tuna.tsinghua.edu.cn/simple pip install onnx onnxruntime-i https://pypi.tuna.tsinghua.edu.cn/simple# 验证yolo--version5. 测试 YOLO26 推理yolo predict modelyolo26s.pt sourcehttps://ultralytics.com/images/bus.jpg把 best.pt 转 ONNXyolo export modelbest.ptformatonnx imgsz640simplifyTrue验证 ONNX 模型是否可用yolo predict modelbest.onnx sourcebus.jpg✅ 系统 Ubuntu 26.04✅ 显卡 RTX 5080✅ CUDA 12.8已装好✅ cuDNN 9.21.1已装好完全匹配 CUDA 12.8