Ubuntu22.04配置深度学习环境

一、Nvidia驱动命令安装

1. ctrl+alt+t打开命令版，输入查看推荐驱动

 ubuntu-drivers devices

2. 然后运行代码进行推荐安装

sudo ubuntu-drivers autoinstall

重启计算机，你的驱动就已经安装完成了

同上检查

nvidia-smi

注意：用这种方式安装驱动后，不用特意去禁用nouveau，官方的run文件也不用再去下载。

二、安装cuda-toolkit

进入Nvidia官网 CUDA Toolkit Archive | NVIDIA Developer 。选择合适的版本，点击，会进行跳转，我选择的是cuda 11.1. 打开后如图所示。

正式安装之前，我们先检查电脑中是不是有gcc。 终端中输入gcc --version 。如果提示gcc 信息，则已经安装，如果提示找不到gcc命令，则使用下面命令进行安装。安装完成后检查一下是否安装成功。

sudo apt-get install manpages-dev
sudo apt-get update
sudo apt install build-essential
sudo apt-get install manpages-dev

下面进行正式安装，如图是nvidia官网给出的教程。

wget https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers
/cuda-repo-ubuntu2004-11-1-local_11.1.0-455.23.05-1_amd64.deb

sudo dpkg -i cuda-repo-ubuntu2004-11-1-local_11.1.0-455.23.05-1_amd64.deb

sudo apt-key add /var/cuda-repo-ubuntu2004-11-1-local/7fa2af80.pub

sudo apt-get update

sudo apt-get -y install cuda

三、添加环境路径

首先确认一下cuda在本电脑上的具体文件夹名称。输入如下代码。发现确实有cuda的文具文件夹，那么我们可以直接使用这个路径。

ls /usr/local/

(base) baixf@baixf-G3-3579:~/git/hexo-blog$ ls /usr/local
bin  cuda  cuda-11  cuda-11.7  etc  games  include  lib  man  sbin  share  src

执行如下代码，将cuda路径添加进环境。注意将cuda的文件夹名称改成自己的。

export PATH="/usr/local/cuda-11/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-11.1/lib64:$LD_LIBRARY_PATH"

重启一下环境变量。

source ~/.bashrc

四、测试

终端输入nvidia-smi， 和nvcc -V测试是否显示正确信息。

注意nvidia-smi显示的cuda版本是驱动支持的最大cuda版本，并不是当前安装的cuda版本。

而nvcc -V显示的是当前安装的cuda版本。

五、安装Anaconda

如果觉得Anaconda占用较大，可以选择miniconda。

miniconda清华源 请务必注意自己系统的匹配版本。

• conda环境变量添加

sudo vim ~/.bashrc

export PATH="~/minianaconda3/bin:$PATH"

source ~/.bashrc

conda --version

• 安装ipython

pip install ipython

• 安装jupyter

pip install jupyter notebook

#设置登陆密码（可忽略）
jupyter notebook password

#生成配置文件
jupyter notebook --generate-config
sudo vim ~/.jupyter/jupyter_notebook_config.py

c.NotebookApp.ip='*'  // 表示服务ip地址，*表示默认主机ip，当用jupyterHub集群时，猜测*表示集群中任意结点。 但需密码验证
c.NotebookApp.open_browser=False  // 由于是远程登录，所以设定在服务器端不打开浏览器
c.NotebookApp.port=8880    // 端对端的访问，需指定端口号，保持能用即可

python语法缩进问题：https://blog.csdn.net/qq_45994879/article/details/120350725

六、利用conda创建环境

ubuntu系统默认就有python2和python3环境，但是我们不采用系统的环境，而是自己新建环境以防止和其他项目环境冲突。

在创建环境之前，我们先要初始化刚刚安装好的miniconda,我们运行：

conda init

查看当前环境列表

conda info --envs

查看当前conda版本

conda --version

conda创建环境的语法是：

conda create -n 环境名 python=x.x.x

我们需要给自己的新环境起一个名字。此后我们每次进入终端的时候，会默认进入conda的默认环境（base），我们需要切换至自己建立的环境。

conda activate 环境名

此后每当我们运行：

conda install 依赖名

就是在当前环境下安装相应的依赖。

附上清华源Anaconda镜像使用帮助，大家可以读一下这段帮助。

七、Tensorflow安装

python版本与Tensorflow版本关系

https://tensorflow.google.cn/install/source_windows#cpu

https://www.tensorflow.org/install/source_windows#gpu

1.下载安装 Anaconda

https://www.anaconda.com/products/distribution

2.安装

sudo bash Anaconda-xxx.sh

3.查看安装

conda --version

4.创建一个名叫 tensorflow的计算环境

conda create -n tensorflow python=3.6

5.激活环境，进入环境

conda activate tensorflow

6.安装tensorflow

#gpu版本 pip install tensorflow-gpu==xxx
conda install cudatoolkit=10.1 cudnn=7.6.5
pip install tensorflow-gpu==2.3.0

#cpu版本
pip install tensorflow

7.查看安装包

pip list

8.验证安装

import tensorflow as tf 
tf.version

<module 'tensorflow._api.v2.version' from 'E:\\Anaconda\\envs\\tensorflow\\lib\\site-packages\\tensorflow\\_api\\v2\\version\\__init__.py'>

VSCode报错，同下pytorch操作，添加环境变量即可。

https://blog.csdn.net/ResumeProject/article/details/122644784

八、Pytorch安装

python版本与pytorch版本关系

https://pytorch.org/

1.下载安装 Anaconda

https://www.anaconda.com/products/distribution

2.安装

sudo bash Anaconda-xxx.sh

3.查看安装

conda --version

4.创建一个名叫 tensorflow的计算环境

conda create -n pytorch python=3.6

5.激活环境，进入环境

conda activate pytorch

6.安装pytorch

查看对应的版本，https://pytorch.org/get-started/locally/

conda install pytorch torchvision torchaudio cudatoolkit=11.6 -c pytorch -c conda-forge

7.查看安装包

pip list

8.验证安装

import torch
print(torch.__version__)
print(torch.cuda.is_available)

1.10.2
<function is_available at 0x0000025389E7B840>

VSCode中报DDL错:https://blog.csdn.net/ResumeProject/article/details/122644784

参考