ubuntu18.04安装opencv+CUDA10.2+cuDNN+YOLOv3

最新推荐文章于 2024-06-14 11:56:30 发布
转载 最新推荐文章于 2024-06-14 11:56:30 发布 · 225 阅读 · 1 ·
CC 4.0 BY-SA版权
原文链接：https://www.cnblogs.com/codeit/p/13391069.html
文章标签：

#opencv #python #人工智能

安装顺序：

  • Opencv
  • 显卡驱动
  • CUDA10.2
  • cuDnn
  • YOLOv3

1、Opencv3.2.0安装

搭建依赖环境

1

sudo apt-get install build-essential

安装依赖包

1

sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev

 安装可选包

1

sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

 下载Opencv3.2并安装

1

2

wget -O opencv.zip https://github.com/Itseez/opencv/archive/3.2.0.zip 

unzip opencv.zip

此时会生成一个opencv3.2.0文件夹

1

cd opencv-3.2.0

然后创建一个文件夹

1

2

3

4

5

mkdir build

cd build

cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local ..

make -j4

make install

执行cmake时，如果卡在了Downloading ippicv_linux_20151201.tgz，可以下载linux_20151201.tgz，

下载地址：https://pan.baidu.com/s/170j3x9zjMyWA6H9k7icpXQ 提取码: wcg3

然后放在opencv-3.2.0/3rdparty/ippicv/downloads/linux-808b791a6eac9ed78d32a7666804320e目录下。

重新执行以下命令cmake命令：

1

cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -DWITH_IPP=OFF ..

 cmake通过后，再执行

1

2

make -j4

make install

 设置路径

1

sudo vim /etc/ld.so.conf.d/opencv.conf

在文件中添加：

1

/usr/local/lib

保存后执行：

1

sudo ldconfig

 配置环境变量

1

sudo vim /etc/bash.bashrc

 文件末尾添加：

1

2

PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig 

export PKG_CONFIG_PATH 

2、显卡驱动安装

禁用默认驱动

Ubuntu系统集成的显卡驱动程序是nouveau，它是第三方为NVIDIA开发的开源驱动，需要先将其屏蔽才能安装NVIDIA官方驱动。将驱动添加到黑名单blacklist.conf中，但是由于该文件的属性不允许修改，所以需要先修改文件属性。

查看属性

1

sudo ls -lh /etc/modprobe.d/blacklist.conf

 修改属性

1

sudo chmod 666 /etc/modprobe.d/blacklist.conf

用vim打开

1

sudo vim /etc/modprobe.d/blacklist.conf

 在该文件后添加以下几行：

1

2

3

4

5

blacklist vga16fb

blacklist nouveau

blacklist rivafb

blacklist rivatv

blacklist nvidiafb

安装显卡驱动

执行命令：

1

ubuntu-drivers devices

 

从这里可以看到，系统推荐我安装435或440版本驱动，我选择安装440版本。

1

#删除其它驱动<br>sudo apt-get remove --purge nvidia*

#增加源
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update

 然后安装显卡驱动：

1

sudo apt-get install nvidia-driver-440

 安装成功后重启电脑。

1

2

执行命令

nvidia-smi

 如果出现如果显卡列表界面，这显卡驱动安装成功。

CUDA10.2安装

注意：安装低版本的CUDA，需要对GCC进行降级

进入：https://developer.nvidia.com/cuda-toolkit-archive

 点击CUDA Toolkit10.2后，如图选择：

  CUDA官网会给出下载和安装方法，根据官网提示，执行：

1

2

3

4

5

6

7

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-ubuntu1804.pin

sudo mv cuda-ubuntu1804.pin /etc/apt/preferences.d/cuda-repository-pin-600

wget http://developer.download.nvidia.com/compute/cuda/10.2/Prod/local_installers/cuda-repo-ubuntu1804-10-2-local-10.2.89-440.33.01_1.0-1_amd64.deb

sudo dpkg -i cuda-repo-ubuntu1804-10-2-local-10.2.89-440.33.01_1.0-1_amd64.deb

sudo apt-key add /var/cuda-repo-10-2-local-10.2.89-440.33.01/7fa2af80.pub

sudo apt-get update

sudo apt-get -y install cuda

 设置环境变量

1

2

3

sudo vim ~/.bashrc

export PATH=/usr/local/cuda-10.2/bin${PATH:+:${PATH}}

export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

 使环境变量生效

1

source ~/.bashrc

 执行：

1

nvcc -V

 

 出现CUDA版本信息时，说明CUDA安装成功。

CUDNN安装

进入：https://developer.nvidia.com/rdp/cudnn-download

注册账号并登陆，选择“Download cuDNN v7.6.5 (November 18th, 2019), for CUDA 10.2”

然后下载“cuDNN Library for Linux”，下载完成后解压tgz文件，得到一个cuda文件夹：

1

tar -xzvf cudnn-10.2-linux-x64-v7.6.5.32.tgz

 然后复制文件：

1

2

3

sudo cp cuda/include/cudnn.h    /usr/local/cuda-10.2/include 

sudo cp cuda/lib64/libcudnn*    /usr/local/cuda-10.2/lib64

sudo chmod a+r /usr/local/cuda/include/cudnn.h   /usr/local/cuda/lib64/libcudnn*

 验证安装结果：

1

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

 

 出现如图界面，说明CUDNN安装成功。

cuDNN第二种安装方式：

2021-01-19更新：

服务器安装了CUDA 11.1版本，在安装cuDNN v8.0.5 for CUDA 11.1时发现，通过下载tgz，解压复制的方式无法正确的验证安装结果，所以采用了以下安装方式。

下载libcudnn8_8.0.5.39-1+cuda11.1_amd64.deb和libcudnn8-dev_8.0.5.39-1+cuda11.1_amd64.deb

 然后执行以下命令，完成安装：

1

sudo dpkg -i libcudnn8_8.0.5.39-1+cuda11.1_amd64.deb<br>sudo dpkg -i libcudnn8-dev_8.0.5.39-1+cuda11.1_amd64.deb

YOLOV3安装

1

git clone https://github.com/AlexeyAB/darknet<br>cd darknet

 vim编辑Makefile

1

vim Makefil

 

 将GPU、CUDNN、OPENCV的值改为1，然后执行：

1

make

 编译完成后，测试一下效果吧

参考网址：

  • https://blog.csdn.net/gzj_1101/article/details/78651650
  • https://blog.csdn.net/rgd888/article/details/91047780
  • https://blog.csdn.net/xiaokan_001/article/details/88126122
  • https://blog.csdn.net/debjiu/article/details/80824439
  • https://blog.csdn.net/phinoo/article/details/82999337
wenwen00hh
关注
ubuntu18.04(已经装了cuda10.0和opencv3.12)安装opencv2.4.11
jerryzhai26的博客
11-21 1024
由于在cmake时会出现CMake Error at cmake/OpenCVDetectCXXCompiler.cmake:85 (list)错误，因此替换OpenCVDetectCXXCompiler.cmake文件 cd /home/jerry/workspaces/DynaSlam_ws/opencv-2.4.11/opencv-2.4.11/cmake mv OpenCVDetectCXXCompiler.cmake OpenCVDetectCXXCompiler.cmake.bak 然后下
Ubuntu18.04安装 NVIDIA驱动+CUDA10.2+cuDNN+TensorRT
热门推荐
CosmosHua
08-03 9万+
系统：Ubuntu 18.04.5。显卡：RTX2080Super，独显无集成显卡。
ubuntu18.04 cuda10.2 安装opencv-3.4.0教程 乌龙问题及解决
m0_52835296的博客
11-30 2589
安装opencv-3.4.0 参考链接：https://blog.csdn.net/SpadgerZ/article/details/108932688#commentBox 安装过程中出现两个报错，上述参考博文中均有所提及，可以顺利解决。 问题及解决 1、在执行sudo make的时候，经常会出现这种现象，出现如下warning： /usr/local/cuda-10.2/include/device_functions.h:54:2: warning: #warning “device_function
Ubuntu16.04安装cuda cudnn,配置YOLOv3,以及遇到的坑
qq_36780295的博客
08-15 974
前两天在windows上装好YOLOv3，然后就想着给Ubuntu也装一个，我全都要。然而不得不说，版本没弄对，装个cuda都难。我的系统是Ubuntu20.04的系统，由于YOLOv3需要配置cuda和cudnn等，于是乎就把Anaconda给卸载了，重新开始安装cuda和cudnn等。悲剧也从这里开始了。先是显卡驱动跟cuda对不上，后面又是gcc版本太高不支持，各种删显卡驱动重装，卸载cuda重装，删系统重装，然并卵。装系统，下软件，找资料，几天下来掉了不少头发。于是乎放弃了Ubuntu20.04，重
Ubuntu18.04—安装CUDA10.2+cudnn8.1+TensorRT+OpenCV4（amd64版本）
Irving.Gao的博客
10-11 740
文章目录
解决cmake编译带有GPU模块的opencv，could not find cudnn的问题
i_am_a_fool的博客
07-05 1554
cmake编译opencv时，找不到cudnn，这个问题卡了我好久，最后用下边这段代码替换opencv中FindCudnn.cmake,找到了cudnn，但是vs编译opencv时失败了，唉。
制作ubuntu18.04 cuda10.2+ROS1+opencv 4.5.4的 docker镜像
qq_28219531的博客
06-14 1092
如果要使用老的JETPACK，如上图我们要使用4.6的版本。向ros源中添加ros源地址，并配置公钥，如果rosdep update执行失败，可以尝试多试几次.安装sudo 和 lsb_release工具。
Ubuntu18.04安装CUDA10.2 CUDNN7.6.5 部署基于darknet框架的YOLOV4并进行CPU以及GPU测试
wyl的博客
01-26 5364
Ubuntu18.04部署基于opencv3.4.4 及 darknet框架的YOLOV4 再安装CUDA CUDNN 用GPU跑和训练模型部署基于opencv3.4.4 及 darknet框架的YOLOV4一、首先进行OPENCV3.4.4的安装二、下面需要进行darknet部署和yolov4权重的下载三、CPU编译，用官方训练好的权重文件进行编译对图片进行识别安装显卡驱动及检查安装是否成功安装cuda及检查安装是否成功安装cudnn及检查安装是否成功 部署基于opencv3.4.4 及 darknet框
ubuntu18.04下载显卡驱动+CUDA+CUDNN
qq_60225495的博客
09-17 2591
目录1.CUDA官网下载CUDA11.1.02. runfile安装 1.CUDA官网下载CUDA11.1.0 CUDA官网 选择runfile版本的。 2. runfile安装 首先安装依赖： sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev 然后： wget https://developer
caffe+ubuntu18.04+cuda10.2编译配置
s1037222866的博客
05-12 490
安装相应依赖 apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler apt-get install --no-install-recommends libboost-all-dev apt-get install python-dev apt-get install libgflags-dev libgoogle-glog-dev li
ubuntu18.04 安装opencv
luolinll1212的专栏
09-28 1015
0，安装 Ubuntu 16.04 环境，并安装所需的依赖 sudo-apt-get update sudo apt-get install build-essential cmake git libgtk2.0-dev pkg-config libavcodec-dev sudo apt-get install libavformat-dev libswscale-dev python-dev...
Ubuntu18.04安装cuda10以及cuda版本的opencv3.4.13
MWY123_的博客
06-07 2969
解决cuda和cuda版opencv安装问题,以及后续使用的 may conflict with 问题
OpenCV源码+CUDA+CUDNN编译（Ubuntu+Windows）
Kyh_h的博客
04-04 5264
opencv的源码编译，cuda+cudnn
opencv的dnn解析
深藏功与名
05-06 1万+
在学习过caffemodel加载之后，回头看看这个dnn里面都编译了哪些函数？ 先看blob头文件： #ifndef __OPENCV_DNN_DNN_BLOB_HPP__ #define __OPENCV_DNN_DNN_BLOB_HPP__ #include #include #include namespace cv { namespace dnn { //该类用来存储和处理bl
OpenCV 源码编译 + cuda + cuDNN（未成功）
Joey's Blog
02-26 5425
目录Ⅰ、安装 cuda cuDNN1-1. 安装 cuda1-2. 安装 cuDNN安装 GStreamer参看文章 前言： 起初搭建 OpenCV 环境的时候，因为显卡太渣，使用 gpu 的加速效果不好，而且配置的 cuda 和 cuDNN 版本也都已经较老了，索性全部卸载了。但毕竟 gpu 加速是大趋势，折腾一下还是必要的，这次就将 cuda 环境给 OpenCV 配置上，同时为了跑过 Ope...
Ubuntu18.04安装opencv4.5.1+contrib 支持cuda加速（附带编译好的opencv4.5.1及缺失文件）
m0_62013374的博客
05-28 6381
先前准备： 可能要提前换一下python版本，装完机一般默认是python2，最好改成python3。 更改方式可参考（18.04也可用）： ubuntu16.04更改python版本_DWQY的博客-CSDN博客_ubuntu 修改python版本 1.安装教程 第一步： 下载opencv与opencv-contrib的源码包，注意版本对应opencv:https://github.com/opencv/opencv/releasesopencv-contrib:https://github.
容器Ubuntu18.04下安装Nvidia驱动和CUDA10.1＋CUDNN+OpenCV 4.4.0+Darknet，成功！！！
weixin_45102257的博客
11-18 1019
参考博客：https://blog.csdn.net/BigData_Mining/article/details/99670642 https://www.jianshu.com/p/59608e83becb 实际上，整个过程实在容器中进行的 检查环境 首先，Ubuntu下查看Nvidia显卡的详细信息： nvidia-smi 可见： $ nvidia-smi Fri Aug 16 08:46:25 2019 +-----------------------------------------
ubuntu 18.04 安装yolov3 + GPU + CUDA+ cuDNN
给你一个冷布丁
06-27 1万+
为了测试YOLOv3，折腾了很久.....机器配置：GPU: NCIDIA GTX 965M1.首先是驱动安装：看一下年你的GPU版本和推荐的驱动版本：$ ubuntu-drivers devices root@huet-233:/home/huet/pytorch/build# ubuntu-drivers devices == /sys/devices/pci0000:00/0000:00:0...
【环境配置篇】保姆级教学之Ubuntu20.04上编译OpenCV+CUDA
ChunjieShan的博客
06-21 7020
在Ubuntu20.04上配置OpenCV环境
ubuntu18.04安装torch1.8
最新发布
03-23
<think>好的，用户想在Ubuntu 18.04上安装PyTorch 1.8版本。我需要根据提供的引用信息来整理步骤。首先，看看用户提供的引用内容，特别是引用3和4，因为它们提到了PyTorch 1.8的安装。 引用3提到在base环境下用pip安装PyTorch 1.8.0，并给出了具体的命令，包括torch、torchvision和torchaudio的版本。引用4是关于安装PyTorch 1.8 CPU版本和YOLOv5的，其中也提到了使用pip安装特定版本的库，可能用户有GPU或者CPU的需求。需要确认用户的环境是否有GPU支持。如果用户有CUDA环境，可能需要安装对应的CUDA版本，但PyTorch 1.8可能对CUDA版本有要求，比如引用2中提到的CUDA 10.2，但需要检查PyTorch 1.8官方是否支持CUDA 10.2或者其他版本。 用户的问题中没有明确说明是安装GPU版本还是CPU版本，所以可能需要分情况讨论。根据引用3，安装GPU版本的话直接用pip命令即可，而引用4中的例子是安装CPU版本，可能不需要指定cudatoolkit。此外，引用4还提到了安装其他依赖库，比如torchvision、matplotlib等，这些可能是运行YOLOv5所需的，但用户的问题只是安装PyTorch 1.8，是否需要包括这些额外的依赖？可能需要建议用户根据项目需求安装。 另外，用户的环境是否需要使用conda还是pip？引用3用的是pip安装在base环境，而引用2用的是conda。需要指出两种安装方式的不同。例如，conda可以管理环境，而pip可能需要用户自己处理依赖。所以应该给出两种方法，并说明区别。 还要注意系统是Ubuntu 18.04，可能需要先安装Python环境，比如Python3.6+，以及pip或conda。如果用户没有这些，可能需要先安装。不过根据引用中的例子，用户可能已经具备这些，但可能需要确认。比如引用1提到了切换Python版本的命令，但用户当前问题可能不需要切换Python版本，除非有冲突。 总结步骤应该是：首先确认是否有GPU，然后选择安装方式（pip或conda），然后执行相应的命令。对于GPU版本，需要确保CUDA驱动正确安装，如引用2提到的CUDA 10.2，但PyTorch 1.8是否支持？需要查阅PyTorch官方文档确认兼容性。例如，PyTorch 1.8可能要求CUDA 11.1，这时候需要用户安装对应的CUDA版本，但引用2中的例子是CUDA 10.2，可能需要注意版本匹配问题。 可能存在的陷阱是用户安装了不兼容的CUDA版本，导致PyTorch无法使用GPU。因此，需要提醒用户检查CUDA版本，并选择正确的PyTorch安装命令。例如，PyTorch官网可能提供不同CUDA版本的安装命令，用户需要根据自己的CUDA版本来选择。 另外，是否需要创建虚拟环境？引用3安装在base环境，而引用4可能是在某个虚拟环境中安装。建议用户创建虚拟环境以避免依赖冲突，比如使用conda create或者venv。 最后，验证安装是否成功，可以通过运行Python代码检查torch版本和CUDA是否可用。</think>在Ubuntu 18.04系统中安装PyTorch 1.8的步骤如下，分两种场景说明： ### 1. GPU版本安装（需CUDA支持） 1. **确认CUDA版本兼容性** PyTorch 1.8官方推荐与CUDA 11.1配合使用。若已安装CUDA 10.2，需注意PyTorch 1.8的某些功能可能受限[^2][^3]。 2. **通过pip安装** 直接执行以下命令安装GPU版本： ```bash pip install torch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 ``` 若需指定CUDA 10.2兼容版本，可尝试： ```bash pip install torch==1.8.0+cu102 torchvision==0.9.0+cu102 -f https://download.pytorch.org/whl/torch_stable.html ``` 3. **验证GPU可用性** 运行Python代码检查： ```python import torch print(torch.__version__) # 应输出1.8.0 print(torch.cuda.is_available()) # 应返回True ``` --- ### 2. CPU版本安装 1. **通过pip安装** 执行以下命令： ```bash pip install torch==1.8.0+cpu torchvision==0.9.0+cpu torchaudio==0.8.0 -f https://download.pytorch.org/whl/torch_stable.html ``` 2. **验证安装** 运行Python代码： ```python import torch print(torch.__version__) # 输出1.8.0 ``` --- ### 环境管理建议 - **使用虚拟环境**（推荐） 避免依赖冲突，可用`conda`或`venv`创建独立环境： ```bash conda create -n pytorch1.8 python=3.8 conda activate pytorch1.8 ``` 再执行上述安装命令。 - **依赖库补充** 若需运行计算机视觉项目（如YOLOv5），需安装额外依赖： ```bash pip install matplotlib numpy opencv-python Pillow tqdm ``` 详见引用[^4]。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值