‘环境搭建step 3: ubuntu深度学习环境搭建‘ ---
‘环境搭建step 3: ubuntu深度学习环境搭建’
安装nvidia驱动
- 打开Software&Updates, 选择Additional Drivers, 选择需要安装的驱动,选择apply进行安装
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-VPKdLQJK-1647790828018)(/home/ytikewk/Pictures/Screenshot from 2021-11-22 17-45-40.png)]
-
重启机器
-
打开终端,输入
nvidia-smi
进行测试
PS: 请注意,这一步尽量安装高版本nvidia驱动,兼容性强
安装cuda
-
在官网中获取cuda安装包,建议使用run file安装, 在找版本前记得先去pytorch或者tensorflow官网查看支持cuda的版本
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-cIzreAza-1647790828019)(/home/ytikewk/Pictures/Screenshot from 2021-11-22 22-59-38.png)]
-
运行cuda_11.3.0_465.19.01_linux.run, 把安装驱动的x消除,因为在上一步已经安装好驱动
sudo sh cuda_11.3.0_465.19.01_linux.run
-
在~/.zshrc中添加cuda路径,如果安装了多版本的cuda,删除旧的软链接,使用新的软链接
# cuda path # when need to change cuda version using the following command: # rm -rf /usr/local/cuda # sudo ln -s /usr/local/cuda-9.0/ /usr/local/cuda/ # nvcc --version (for test) export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64 export PATH=$PATH:/usr/local/cuda/bin export CUDA_HOME=$CUDA_HOME:/usr/local/cuda
-
测试时发现nvidia-smi和nvcc -V中的cuda版本不一致,这是正常的,前者是从驱动中获取的cuda信息,后者是从cuda库中获取的信息,安装时参照nvcc -V即可
安装cudnn
在nvidia官网中下载对应版本的cudnn的的安装包(这里使用deb格式,之后好进行测试),包括runtimefile lib, developer lib, sample and user guide 三个deb文件。 参考官网安装教程
-
Install the runtime library.
sudo apt-get install libcudnn8=8.x.x.x-1+cudaX.Y
-
Install the developer library.
sudo apt-get install libcudnn8-dev=8.x.x.x-1+cudaX.Y
-
Install the code samples and the cuDNN library documentation.
sudo apt-get install libcudnn8-samples=8.x.x.x-1+cudaX
测试是否安装成功:
-
Copy the cuDNN samples to a writable path.
$cp -r /usr/src/cudnn_samples_v8/ $HOME
-
Go to the writable path.
$ cd $HOME/cudnn_samples_v8/mnistCUDNN
-
Compile the mnistCUDNN sample.
$make clean && make
-
Run the mnistCUDNN sample.
$ ./mnistCUDNN
If cuDNN is properly installed and running on your Linux system, you will see a message similar to the following:
Test passed!
PS: 如果报没有freeimage 的错误,使用以下命令安装:
sudo apt-get install libfreeimage3 libfreeimage-dev
或者使用以下方法测试:
-
获取cudnn_version.h文件位置
whereis cudnn_version.h
我获取到的位置是/usr/include/cudnn_version.h
-
使用下面的指令查看
cat /usr/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
结果是:
#define CUDNN_MAJOR 8 #define CUDNN_MINOR 2 #define CUDNN_PATCHLEVEL 1 #define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL) #endif /* CUDNN_VERSION_H */
说明我的cudnn版本是8.2.1
安装Anaconda
-
从官网下载安装脚本
-
在下载目录下使用如下命令安装:
sh ./Anaconda3-2021.11-Linux-x86_64.sh
PS: 注意不要安装到/root目录下,否则只有在管理员权限下才能使用anaconda
-
使用如下命令把路径添加到~/.zshrc:
conda init zshrc
-
使用如下命令使终端不自动进入base环境:
conda config --set auto_activate_base false
创建pytorch环境
-
创建新的conda环境
conda create -n pyt python=3.6
-
进入环境
conda activate pyt
-
检查环境
conda list
-
参考pytorch官网, 安装pytorch:
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
-
测试安装是否成功
终端运行anaconda的python
python
输入以下命令测试是否
import torch torch.rand(5, 3)
torch.cuda.is_available()
-
别的安装
conda install matplotlib jupyter
安装pycharm:
-
从官网下载pycharm pro
-
解压文件到需要安装的路径下
-
参考Install-Linux-tar.txt,在bin目录下运行
./pycharm.sh
-
使用free-trail进入界面后,把激活插件zip包放到pycharm code界面上,
-
在tool中,选择create Desktop Entry创建桌面图标
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】凌霞软件回馈社区,博客园 & 1Panel & Halo 联合会员上线
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】博客园社区专享云产品让利特惠,阿里云新客6.5折上折
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 清华大学推出第四讲使用 DeepSeek + DeepResearch 让科研像聊天一样简单!
· 实操Deepseek接入个人知识库
· 易语言 —— 开山篇
· 一个费力不讨好的项目,让我损失了近一半的绩效!
· 【全网最全教程】使用最强DeepSeekR1+联网的火山引擎,没有生成长度限制,DeepSeek本体