ubuntu18.04yolov3环境配置

要在Ubuntu 18.04上配置yolov3环境，可以按照以下步骤进行操作：

1. 首先，确认你已经安装了Python3.6.9环境，因为此版本是Ubuntu 18.04默认安装的Python3环境。

2. 接下来，你需要安装PyTorch和CUDA。根据你提供的信息，你想使用yolov5 6.0版本，其要求的Python环境为Python>=3.6.0，PyTorch>=1.7。你可以使用以下命令克隆yolov5 6.0版本的代码：

   git clone -b v6.0 https://github.com/ultralytics/yolov5

3. 在安装PyTorch之前，你需要安装CUDA。根据你提供的引用，你可以按照以下步骤安装CUDA 11.1.0：

   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 https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/cuda-repo-ubuntu1804-11-1-local_11.1.0-455.23.05-1_amd64.deb
   sudo dpkg -i cuda-repo-ubuntu1804-11-1-local_11.1.0-455.23.05-1_amd64.deb
   sudo apt-key add /var/cuda-repo-ubuntu1804-11-1-local/7fa2af80.pub
   sudo apt-get update
   sudo apt-get -y install cuda

4. 安装完CUDA后，在终端中运行以下命令，将CUDA安装在`/usr/local`目录下，并且将环境变量添加到`.bashrc`文件中：

   export PATH=/usr/local/cuda-11.1/bin${PATH:+:${PATH}}
   export LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

这些环境变量将使系统能够正确找到CUDA的安装路径。

5. 最后，安装PyTorch。你可以根据你的具体需求选择合适的PyTorch版本，它应该满足yolov3的要求，即Python>=3.6.0，PyTorch>=1.7。你可以使用`pip`命令进行安装，例如：

   pip install torch torchvision

这将安装PyTorch和相应的依赖。

通过按照上述步骤配置环境，你应该能够在Ubuntu 18.04上成功配置yolov3环境。记得根据需要调整版本号和具体安装路径。