‘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

1. 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)]

2. 重启机器

3. 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

1. 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)]

2. 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
   

3. 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
   

4. 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

1. Install the runtime library.

   sudo apt-get install libcudnn8=8.x.x.x-1+cudaX.Y
   

2. Install the developer library.

   sudo apt-get install libcudnn8-dev=8.x.x.x-1+cudaX.Y
   

3. 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：

1. Copy the cuDNN samples to a writable path.

   $cp -r /usr/src/cudnn_samples_v8/ $HOME
   

2. Go to the writable path.

   $ cd  $HOME/cudnn_samples_v8/mnistCUDNN
   

3. Compile the mnistCUDNN sample.

   $make clean && make
   

4. 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：

1. 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

2. 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

1. 从官网下载安装脚本

2. 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

3. 使用如下命令把路径添加到~/.zshrc:

   conda init zshrc
   

4. 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

1. 创建新的conda环境

   conda create -n pyt python=3.6
   

2. 进入环境

    conda activate pyt
   

3. 检查环境

   conda list
   

4. 参考pytorch官网， 安装pytorch:

   conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
   

5. 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()
   

6. 别的安装

   conda install matplotlib jupyter
   

安装pycharm:

1. 从官网下载pycharm pro

2. 解压文件到需要安装的路径下

3. 参考Install-Linux-tar.txt，在bin目录下运行

   ./pycharm.sh
   

4. 使用free-trail进入界面后，把激活插件zip包放到pycharm code界面上，

5. 在tool中，选择create Desktop Entry创建桌面图标