Ubuntu18.04+Anaconda+Pycharm+Pytorch

安装Anaconda

进入官网下载个人版，存放在Download目录，进入目录按下列步骤执行：

bash Anaconda3-2020.02-Linux-x86_64.sh 
# 输入enter，读完协议
Do you accept the license terms? [yes|no]
[no] >>> 
Please answer 'yes' or 'no':
# 输入yes
进入选择安装目录界面：“按回车键确认安装路径，按'CTRL-C'取消安装，或者指定安装目录。”
Do you wish the installer to initialize Anaconda3
by running conda init? [yes|no]
[no] >>> yes  # 输入yes，这样改变了/home当前用户名/.bashrc文件
#　可选地。我们可以gedit打开.bashrc，发现的确文件最后内容添加了anaconda的东西
出现：
==> For changes to take effect, close and re-open your current shell. <==
# 必须重新打开shell才能操作Anaconda
If you'd prefer that conda's base environment not be activated on startup, 
   set the auto_activate_base parameter to false: 

conda config --set auto_activate_base false # 这样可以禁用anaconda的base环境

Thank you for installing Anaconda3!

管理环境

• 关掉当前shell，重新进入

conda -V 或者 conda --version
Python -V 或者 Python --version

创建新环境

conda create --name <env_name> <package_names>

切换环境

conda deactivate # 退出conda进入root环境，命令行前面的base没了
conda activate  # 激活conda环境
source activate <env_name>  # 进入某环境 ，不用<>

管理包

• 在指定环境中安装包

conda install --name <env_name> <package_name>

• 在当前环境安装包

 conda install <package_name>

• 当conda无法安装时，可以用pip安装

pip只是包管理器，无法对环境进行管理。因此如果想在指定环境中使用pip进行安装包，则需要先切换到指定环境中，再使用pip命令安装包。但是anaconda可以在当前环境中安装另一个环境的包。
pip无法更新python，因为pip并不将python视为包。
pip可以安装一些conda无法安装的包；conda也可以安装一些pip无法安装的包。因此当使用一种命令无法安装包时，可以尝试用另一种命令。

提示未找到conda命令

• 往 /.bashrc 文件末尾追加 anaconda 的路径（/home/yourname/anaconda3/）

echo 'export PATH="/home/majianwei/anaconda3/bin:$PATH"' >> ~/.bashrc

• 更新source

source ~/.bashrc

pycharm配置环境

1. 我们在配置Python环境的时候，如果选择【New Environment】，需要将【location】路径设置成一个空白文件夹，然后找到我们安装的Python，这个时候，Pycharm会将已安装的Python复制到这个空白文件夹中，构建一个新的Python环境。
2. 使用pip安装第三方库是有默认路径的，所以如果想成功使用pip安装第三方库，需要满足以下两个个条件：电脑中只安装了一个Python，在配置Python环境的时候，选择的是【Existing Environment】。参考

reference

one
two
3

安装GPU版Pytorch

安装顺序：安装适合版本的显卡驱动——>安装gcc——>安装cuda——>安装cudnn——>安装Pytorch-gpu

各个版本的cuda
各个版本的cudnn

安装NVIDIA驱动

使用ubuntu-drivers devices命令查看显卡型号和推荐驱动版本:

自动安装推荐(recommended)的驱动:

sudo ubuntu-drivers autoinstall

或者也可以直接安装指定驱动:

sudo apt install nvidia-driver-440

• 安装成功后重启，确认能进入系统后使用nvidia-smi命令确认安装成功:

• 或者，下图configure字段有 driver表示显卡驱动安装好了
  

查看CUDA和CUDNN版本

• cuda
  • 安装

# 先下载runfile到本地
wget http://developer.download.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda_10.1.243_418.87.00_linux.run
# 再运行runfile
sudo sh cuda_10.1.243_418.87.00_linux.run

根据提示需要进行环境变量的设置，在.bashrc(ZSH使用者对应.zshrc)末尾追加如下文字。

# 还是使用.bashrc文件举例，zsh用户自行替换为.zshrc
echo '# CUDA Soft Link' >> ~/.bashrc
echo 'export PATH=/usr/local/cuda-10.1/bin${PATH:+:${PATH}}' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}' >> ~/.bashrc
source ~/.bashrc

• • 版本
    cat /usr/local/cuda/version.txt

• cudnn

  • 下载后解压，将cuDNN压缩包中的文件拷贝到CUDA 10.1的文件夹中:

sudo cp cuda/include/cudnn.h /usr/local/cuda-10.1/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.1/lib64
sudo chmod a+r /usr/local/cuda-10.1/include/cudnn.h /usr/local/cuda-10.1/lib64/libcudnn*

• • 版本
    cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
    

这个结果就表示我的CUDA版本为8.0.44, cuDNN版本为5.1.10

cuda_9.0.176_384.81_linux.run 这是版本号 384.41 对应的是nvidia的驱动号

删源

conda config --remove-key channels

Segmentation Fault ( Core Dumped )

conda install Pytorch 出现 Segmentation Fault ( Core Dumped )错误：

原因是之前安装的时候网络不良导致中途出错，于是有些包虽然在本地缓存了，但其实不完整。

解决办法：查看.condarc文件，将default删除，确保清华源是唯一源。

如过不行，尝试

 conda clean -a #  删除所有缓存

测试是否安装成功

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

失败原因一

• cuda、cudnn、显卡驱动版本均正确，但是安装Pytorch的时候，由于源的问题，安装的Pytorch并不是gpu版本或者说版本号不对，因此，可以用conda list 观察安装的Pytorch版本对不对。

失败原因二

• 安装Pytorch的时候从Pytorch官网复制conda 安装命令， 注意安装的Pytorch对应的cuda版本与我们安装的cuda版本要一致！

其他原因

----------------

参考

深度学习三件套:Ubuntu 20.04 安装 NVIDIA 驱动/CUDA/cuDNN全流程
echo命令