ubuntu18.04深度学习环境配置

编程入门行业动态更新时间:2024-10-09 00:43:54

前言

为跑代码方便，实验室电脑一般都用ubuntu系统，但无奈买来的电脑都是预装windows，所以需要重装系统，然后再配置一系列的环境。走一遍流程总要有些坑，下次再重复安装总是隐约记得但又会再踩坑，为了之后提高效率，这次把整个流程记录下来，以后用着也方便。

1. ubuntu18.04安装

现在ubuntu已经出到了21版本，一般安装LTS（长期支持）版本就没啥问题，但为了兼容一些老环境、老配置，这里选18版本的稳妥一些。

镜像在官网下载：https://ubuntu/#download

我用的是18.04.6桌面版，可以在这里下载：
链接：https://pan.baidu/s/1p4kAtoaZSzxJa2VqtjuFmg
提取码：vwj5

下载之后，要制作启动盘，用u盘或光盘都可，这里用u盘制作

制作工具用 UltraISO软碟通，下载之后，准备好一个空u盘（制作启动盘需要格式化u盘），8g的就够，然后按照这个来就行
https://jingyan.baidu/article/154b46311befea28ca8f41ae.html

之后就是关机，插上u盘，开机进入bios，选择u盘启动那一项，按照引导安装就行。（因为是重装系统，直接覆盖原系统，所以分区、存储那些配置都按照默认的来就行，记得选择覆盖原系统就行）

2. nvidia显卡驱动

深度学习网络都离不开显卡，安装显卡驱动算是最重要的一步。

首先，有个准备工作，禁用BIOS中的secure boot（需要重启一下进BIOS）。

进入系统后，禁用默认使用的开源显卡驱动nouveau：

创建文件 sudo vim /etc/modprobe.d/blacklist-nouveau.conf
写入
blacklist nouveau
options nouveau modeset=0
使禁用生效 sudo update-initramfs -u
检验是否生效（没有输出就是生效了） lsmod | grep nouveau

想使用nvidia的独立显卡，就需要安装对应的显卡驱动，所以要知道自己显卡的信息，确定驱动版本。

终端输入：ubuntu-drivers devices

可以看到推荐安装的是 nvidia-driver-470，直接安装就可。

sudo apt update
sudo apt install nvidia-driver-470

安装后重启一下，终端输入：nvidia-smi

如图安装成功。

其实也可以去nvidia官网下载对应版本的驱动，除去官网的版本可能更新一点之外，其实都差不多，上边的方法更简单。

具体过程参考：
https://zhuanlan.zhihu/p/59618999
https://blog.csdn/new_delete_/article/details/81544438

！！踩坑！！：之前安装显卡驱动后，再重启会显示驱动的版本和系统不一致，这是由于linux内核自动更新导致的，所以为了方便起见，避免之后出现问题，在显卡驱动安装后，先设置禁止系统内核更新，之后再重启查看显卡驱动。

查看一下在使用的内核版本 uname -a

然后 sudo apt-mark hold linux-image-5.4.0-84-generic

dpkg --get-selections |grep linux-image ，显示hold就可以了

然后再禁止一下软件更新（如果不用图形界面，软件的更新其实没啥用）

参考：https://wwwblogs/111testing/p/13668275.html

3. 安装anaconda3

接下来就是安装python以及cuda这些实验环境了，由于后续想在虚拟环境中配置对应工程的环境，用conda还是方便些。
安装anaconda，基本的过程就这样：https://blog.csdn/qq_15192373/article/details/81091098

注意：anaconda的版本建议新一点，我用老版本安装后，后续安装pytorch时候，装cuda11.3版本死活找不到源，后来升级了一下conda版本就可以了，所以建议一开始就安装新一点的版本。

我用的这个版本，没有问题。

4. 安装pytorch（含cuda、cudnn）

新建一个conda环境，python版本按需安装，一般3.6就够用了。 https://blog.csdn/omg_orange/article/details/98181099

进入环境，开始安装pytorch
在官网 https://pytorch/ 找到安装指令，前边安装显卡驱动时候显示cuda11.4，这是驱动支持的最高cuda版本，可以向下兼容，下载11.3就可以。

安装：conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

这里一般会出现网络连接不上，找不到资源等问题，网上有很多换conda源的，感觉某些资源可以在清华源这种找到，但是一些较新的资源还是没有，所以建议安装较新版本的anaconda，之后直接按照这个指令安装就行，可能会很慢，可以科学上网提提速。

安装完成后，conda list 可以查看到

写个python程序测试一下

#test_gpu.py
import torch
flag = torch.cuda.is_available()
print(flag)
ngpu= 1
# Decide which device we want to run on
device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
print(device)
print(torch.cuda.get_device_name(0))
print(torch.rand(3, 3).cuda())