上一篇
BEVFomer环境配置教程 (基于Ubuntu20.04和CUDA11.1)
BEVFomer环境配置教程 (基于Ubuntu20.04和CUDA11.1)
本文将详细介绍在Ubuntu20.04系统上配置BEVFomer环境的过程，特别针对CUDA11.1版本。如果你是新手，按照本教程一步步操作，也能成功搭建环境配置。本文涵盖从安装CUDA到运行BEVFomer的完整流程。
准备工作
- 操作系统：Ubuntu 20.04 LTS
- GPU：NVIDIA显卡，支持CUDA 11.1
- 已安装：NVIDIA驱动（建议版本≥455）
第一步：安装CUDA 11.1和cuDNN
如果尚未安装CUDA 11.1，请从NVIDIA官网下载runfile或deb包安装。安装后设置环境变量：
export PATH=/usr/local/cuda-11.1/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64:$LD_LIBRARY_PATH
然后安装与CUDA11.1匹配的cuDNN，并复制到cuda目录。
第二步：安装Miniconda
为了隔离环境，推荐使用conda：
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh
按提示完成安装，重启终端。
第三步：创建conda环境
conda create -n bevformer python=3.8 -y
conda activate bevformer
第四步：安装PyTorch匹配CUDA11.1
访问PyTorch官网，选择适合CUDA11.1的命令：
pip install torch==1.9.1+cu111 torchvision==0.10.1+cu111 torchaudio==0.9.1 -f https://download.pytorch.org/whl/torch_stable.html
验证安装：python -c "import torch; print(torch.version)"
第五步：安装MMCV-full
根据CUDA和PyTorch版本安装mmcv-full：
pip install mmcv-full==1.4.0 -f https://download.openmmlab.com/mmcv/dist/cu111/torch2.9.0/index.html
第六步：安装BEVFomer依赖
克隆BEVFomer仓库并安装其他依赖：
git clone https://github.com/zhiqi-li/BEVFormer.git
cd BEVFormer
pip install -r requirements.txt
此外还需安装mmdet和mmseg：
pip install mmdet==2.25.1 mmsegmentation==0.25.0
第七步：编译安装BEVFomer
python setup.py develop
第八步：验证安装
运行demo或简单测试，确保BEVFomer可以导入：
python -c "from bevformer import *; print("BEVFomer installed successfully!")"
常见问题
- CUDA版本不匹配：确保安装的PyTorch和mmcv都对应CUDA11.1。
- 编译错误：可能需要安装gcc、g++等。
至此，你已经完成了在Ubuntu20.04上基于CUDA11.1的BEVFomer环境配置。如有问题，欢迎交流。
本文由主机测评网于2026-03-06发表在主机测评网_免费VPS_免费云服务器_免费独立服务器，如有疑问，请联系我们。
本文链接：https://vpshk.cn/20260329030.html
