服务器上运行yolo环境准备

1.安装NVIDIA服务

首先在NVIDIA官网当中根据服务器的配置信息找到所需要的版本下载 NVIDIA 官方驱动 | NVIDIA

在找到的版本当中右键保存下载链接

在服务器当中使用以下命令进行安装

# 链接的方式下载版本文件
wget https://cn.download.nvidia.com/tesla/470.161.03/NVIDIA-Linux-x86_64-470.161.03.run

# 修改版本文件权限
sudo chmod +x NVIDIA-Linux-x86_64-418.226.00.run
# 安装NVIDIA
sudo sh NVIDIA-Linux-x86_64-418.226.00.run

安装过程当中可能会有以下的一些问题

    1.The distribution-provided pre-install script failed! Are you sure you want to continue?

    选择**continue installation**

    2.Would you like to register the kernel module souces with DKMS? This will allow DKMS to automatically build a new module, if you install a different kernel later?  

    选择 No 继续。

    3.问题没记住，选项是：install without signing

    4.问题大概是：Nvidia's 32-bit compatibility libraries? 选择 No 继续。

    5.Would you like to run the nvidia-xconfigutility to automatically update your x configuration so that the NVIDIA x driver will be used when you restart x? Any pre-existing x confile will be backed up.  

    选择 Yes  继续

安装完成后可以通过以下命令进行查看

nvidia-smi

2.安装CUDA

根据上图当中的CUDA信息安装对应的CUDA版本，到CUDA的官网CUDA Toolkit Archive | NVIDIA Developer当中找到对应的CUDA版本，

使用下面的指令进行安装

wget https://developer.download.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda_10.1.243_418.87.00_linux.run
sudo sh cuda_10.1.243_418.87.00_linux.run

安装的过程

输入接受accept

使用回车键（Enter）将Driver取消，再将光标移动到Install进行安装

安装完成后，重启服务器

# 重启服务器
reboot

重启服务器后配置环境变量

echo 'export PATH=/usr/local/cuda/bin:$PATH' | sudo tee /etc/profile.d/cuda.sh
source /etc/profile

查看CUDA是否安装成功

nvcc -V

3.安装Miniconda

假设你选择的是Python 3的Miniconda版本，并且是64位：

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

在脚本所在文件夹中打开终端执行如下命令：

sh Miniconda3-latest-Linux-x86_64.sh

一直回车，直至让选择yes/no（是否安装），选择yes，再次回车，第二次让选择yes/no（决定是否在启动时进入base环境），选择yes，至此Miniconda安装完毕。

验证安装

（1）重启终端或执行以下命令

source ~/.bashrc

（2）列出当前环境下已安装的所有软件包（如果有内容，即安装成功）

conda list

4.创建pytorch虚拟环境

在pytorch官网本地启动|PyTorch --- Start Locally | PyTorch当中找到指定的版本

conda create -n myenv python=3.8
conda activate myenv
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia