ubuntu18.04 &&NVIDIA装机 &&pytorch 开发环境安装指南

写下此文章目的是以后在装机的时候直接来参考,不用到处找命令

一: 安装ubuntu18.04 桌面版本 带GPU

  装机的时候要显示屏要接到主板的视频输出口,装完系统,把显示屏接到显卡输出口,因为系统一般会自带nouveau驱动。这个时候要把ssh,samba,静态ip配好

 其中在装机过程中,选择清楚整个磁盘并安装ubuntu ,如果要自定义分区,选择其他选项

 然后就会让你重新划分磁盘,有几个区是必须要有的

  • efi 分区。大约1G,类型逻辑分区
  • swap 分区,看自己硬盘大小,推荐1G以上
  • /  分区  类型:主分区

 逻辑分区和主分区区别:主分区是硬盘的启动分区,也是硬盘的第一个分区,剩下的叫扩展分区,扩展分区就分逻辑分区,也就是系统开机时候只认识主分区

 boot loader device 选择 EFI分区

   安装过程中不要插网线,会减少安装时间(插了网线会自动下载一些乱七八糟的软件等)

   这样安装完后,会把UEFI,安装在efi分区(/boot/efi),开机后由grub找到第一个分区,加载系统并启动。

  说明:从2011 以后笔记本和台式机都支持UEFI安装模式了,可以在boot mode 中设置

   1 进入系统,首先要设置ip

  如果是桌面版,设置如下

 

 此时的网络有Networkmanager 管理,具体可以查看/etc/netplan 下的文件

如果是服务器或者没有GUI,可以同过netplan 设置由networkd管理(从17.10开始替换了/etc/network/interface)

Netplan currently supports two renderers NetworkManager and Systemd-networkd. NetworkManager is mostly used on Desktop machines while the Systemd-networkd is used on servers without a GUI.

使用 ip link 查看以太网接口名称

编辑  /etc/netplan/ 下的配置文件

network:
  version: 2
  renderer: networkd
  ethernets:
    ens3:
      dhcp4: no
      addresses:
        - 192.168.121.199/24
      gateway4: 192.168.121.1
      nameservers:
          addresses: [8.8.8.8, 1.1.1.1]

# netplan apply

 2 ssh 安装

apt-get install openssh-server

 查看是都启动

ps -e|grep ssh

etc/init.d/ssh start

 3 samba 安装

  sudo apt-get install samba samba-common
  修改 配置文件/etc /samba/smb.conf
 【share】

  comment=this is my share
  path=/home/liwx/share
  valid users = liwx
  writable=yes

  chmod 777 /hom/liwx/share

然后看下 这个share 这个目录的所属用户
使用 smbpasswd -a liwx  # 把用户加入到smb 中 设置密码

/etc/init.d/smbd restart 
 

\\ip\share

二: 安装nvidia driver && cuda&& cudnn

首先要禁用到nouveau,在装完ssh和samba后,及时黑屏也可以终端安装

lsmod | grep nouveau  #r如果无输出代表禁用成功

sudo gedit /etc/modprobe.d/blacklist.conf
添加

blacklist nouveau
options nouveau modeset=0


重启
验证
#####上面方法还不行的话

find / -name nouveau*

把ko文件重命名



 下载好驱动run 文件,并执行安装,安装日志在 var/log/

安装cuda 配置如下: 下载链接:CUDA Toolkit Archive | NVIDIA Developer

 

#以下命令我是用root用户编辑的
vim ~/.bashrc
LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.1/lib64
 
PATH=$PATH:/usr/local/cuda-10.1/bin
 
CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.1

 也可以把 /usr/local/cuda/lib64 添加到 /etc/ld.so.conf 文件末尾 ,然后ldconfig 在执行 ldconfig -v 查看下

安装cudnn    下载链接 : cuDNN Archive | NVIDIA Developer

#如果安装过cuda 并创建过链接
cp cuda/include/* /usr/local/cuda-10.1/include/
 
cp cuda/lib64/libcudnn* /usr/local/cuda-10.1/lib64/
 
chmod a+r /usr/local/cuda-10.1/include/cudnn.h
 
chmod a+r /usr/local/cuda-10.1/lib64/libcudnn*
 
查看cudnn版本信息:
 
cat /usr/local/cuda-10.1/include/cudnn.h | grep CUDNN_MAJOR -A 2
 
出现版本信息则安装成功
 
#define CUDNN_MAJOR 7
 
#define CUDNN_MINOR 6
 
#define CUDNN_PATCHLEVEL 5

在接下来就是pip install 下载好的pytorch torchvision

三 安装python opencv 等

  1. python3

    

apt install software-properties-common

add-apt-repository ppa:deadsnakes/ppa

apt update

sudo apt install python3.8

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113

 2 opencv

apt install python3-opencv

在Ubuntu系统中创建新用户,并为该用户配置CUDA和Anaconda环境需要执行多个步骤。下面是一份简明的指南。

1. 创建新用户

在终端中使用下面的命令创建新用户(例如,用户名为newuser):

 

bashCopy code

sudo adduser newuser

按照提示设置密码和其他信息。

2. 添加用户到sudo组(可选)

如果你想让这个新用户有sudo权限,执行以下命令:

 

bashCopy code

sudo usermod -aG sudo newuser

3. 切换到新用户

使用下面的命令切换到新用户:

 

bashCopy code

su - newuser

或者重新登录为这个新用户。

4. 安装CUDA

首先,确保系统的GPU驱动已经安装。然后从NVIDIA CUDA下载页面下载合适的CUDA版本。按照下载页面上的说明进行安装。

5. 配置环境变量

为了使用CUDA,一些环境变量需要被设置。在用户的.bashrc(或你选择的shell的配置文件)添加下面的行:

 

bashCopy code

export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

然后运行:

 

bashCopy code

source ~/.bashrc

6. 安装Anaconda

参考上一个问题中的Anaconda安装步骤。注意,由于你是作为新用户进行操作,因此无需使用sudo

7. 创建具有CUDA支持的Anaconda环境

创建一个新的conda环境并安装必要的包。例如,要安装支持CUDA的TensorFlow,你可以这样做:

 

bashCopy code

conda create -n myenv python=3.8 conda activate myenv conda install tensorflow-gpu

现在,新用户newuser应该有一个配置好的CUDA和Anaconda环境。

注意

  • CUDA和Anaconda的安装和配置可能因版本或硬件而异。这里的指南可能需要根据具体情况进行调整。
  • CUDA通常需要特定版本的GPU驱动,确保你安装了兼容的版本。
  • 对于多用户系统,一般来说,CUDA的安装是全局的,但Anaconda可以为每个用户单独配置。

这样,你就完成了新用户的创建和环境配置。现在,该用户可以独立地运行支持CUDA的程序和使用Anaconda进行Python开发。

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值