Ubuntu22.04 GPU YOLOv8环境搭建指南（副标题：从零开始，小白也能轻松上手）

一、准备工作

在开始之前，请确保你的系统是Ubuntu22.04，并拥有一块NVIDIA GPU。这是实现GPU加速的基础。同时，更新系统包列表，安装必要工具：

    sudo apt updatesudo apt upgrade -ysudo apt install wget curl git -y  

二、安装NVIDIA驱动

首先，安装NVIDIA显卡驱动以启用GPU。推荐使用官方驱动，可以通过Ubuntu附加驱动或命令行安装。这里使用命令行方式：

    sudo ubuntu-drivers autoinstallsudo reboot  

重启后，运行nvidia-smi检查驱动安装是否成功。如果看到GPU信息，说明驱动安装正确。

三、安装CUDA工具包

CUDA是NVIDIA的并行计算平台，用于GPU加速。YOLOv8依赖CUDA进行深度学习运算。访问NVIDIA官网下载CUDA 11.7或更高版本（兼容Ubuntu22.04），然后安装：

    wget https://developer.download.nvidia.com/compute/cuda/11.7.0/local_installers/cuda_11.7.0_515.43.04_linux.runsudo sh cuda_11.7.0_515.43.04_linux.run  

按照提示选择默认选项。安装后，将CUDA路径添加到环境变量：

    echo "export PATH=/usr/local/cuda/bin:$PATH" >> ~/.bashrcecho "export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH" >> ~/.bashrcsource ~/.bashrc  

运行nvcc -V验证CUDA安装。

四、安装cuDNN

cuDNN是深度神经网络库，优化GPU性能。从NVIDIA官网下载对应CUDA版本的cuDNN，解压后复制文件：

    tar -xzvf cudnn-linux-x86_64-8.x.x.x_cuda11-archive.tar.xzsudo cp cudnn--archive/include/cudnn.h /usr/local/cuda/include/sudo cp -P cudnn--archive/lib/libcudnn /usr/local/cuda/lib64/sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*  

五、安装Python和虚拟环境

Ubuntu22.04默认安装Python3.10。建议使用Miniconda管理虚拟环境，避免依赖冲突。下载并安装Miniconda：

    wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.shbash Miniconda3-latest-Linux-x86_64.shsource ~/.bashrc  

创建一个名为yolov8的虚拟环境：

    conda create -n yolov8 python=3.10 -yconda activate yolov8  

六、安装PyTorch with CUDA

PyTorch是YOLOv8的深度学习框架。安装支持CUDA的PyTorch版本，确保GPU加速可用：

    pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117  

验证PyTorch GPU支持：

    python -c "import torch; print(torch.cuda.is_available())"  

如果输出True，说明PyTorch已成功配置GPU加速。

七、安装YOLOv8

使用pip安装Ultralytics包，其中包含YOLOv8：

    pip install ultralytics  

这也会安装相关依赖，如opencv-python。YOLOv8环境现在已就绪。

八、测试YOLOv8

运行一个简单的目标检测命令，验证YOLOv8是否正常工作并利用GPU加速：

    yolo predict model=yolov8n.pt source="https://ultralytics.com/images/bus.jpg"  

如果看到检测结果，并且过程快速（GPU参与），则说明环境搭建成功。Ubuntu22.04上的深度学习环境配置完成，你可以开始使用YOLOv8进行项目开发了。

九、结语

本教程涵盖了从系统配置到YOLOv8安装的全过程，旨在帮助小白用户轻松上手。通过GPU加速，YOLOv8在Ubuntu22.04上的性能将得到极大提升。如果有问题，请参考官方文档或社区论坛。祝你学习顺利！