Ununtu21.10安装Pytorch(内包括Anaconda，Nvidia显卡驱动，CUDA的安装）

一、Anaconda的安装

Anaconda下载

• 官网安装 Anaconda
• (荐)清华镜像源安装 清华大学开源软件镜像站

点击上述链接，进入如网站，点击对应链接，跳转至安装包下载的页面

下载自己需要的版本（例如：Anaconda3-2021.05-Linux-x86_64.sh），一般比官网上的最新版底几个版本，但不影响使用

点击确定

Anaconda安装

接下来找到安装包下载位置，用终端打开并输入

bash Anaconda3-2021.05-Linux-x86_64.sh #运行安装文件，其中后面的语句是你对应安装包的名字

接着无脑安装即可，里面的英文应该都认识，遇到 [ENTER] 按回车，遇到 yes/no 输入 yes

最终，安装完成后会提示安装成功，接着关闭终端，再重新打开终端，快捷键为Ctrl/Command + Alt + T，会发现终端语句起始位置出现（base）的字样，则证明Anaconda安装成功。

Anaconda校验

conda --version   #或者下面的语句
conda -V   #检查conda的版本号，不报错则侧面证明Anaconda安装成功

内容参考自： Ubuntu18.04 安装 Anaconda3

二、Nvidia显卡驱动的安装

Nvidia驱动下载及安装

更新，全局更新

sudo apt upgrade   #更新语句

sudo add-apt-repository ppa:graphics-drivers  #添加NVIDA显卡驱动库
ubuntu-drivers devices  #显示可安装驱动

选择自己喜欢的驱动号进行安装，版本号最大的最新

sudo apt install nvidia-driver-495  #安装4595驱动

等待安装，一般在安装进度在70%左右的时候会弹出驱动安装的程序，我们要做的就是
1. Esc 确定用户协议
2. 设置密码，一定要记住，后回车Enter
3. 重复密码，后回车Enter
4. 接着会直到安装完成

Nvidia驱动激活

注意：仔细阅读

重启是会弹出驱动安装的界面，蓝屏的，不要惊慌！！
控制键盘，选择第二个 E什么的那个，具体记不清了，成查到后续补充
接着选择Continue，yes什么的
直到输入密码界面，输入刚刚的设置密码，注意，密码不可见，输入错误不要紧，可以重新输入，输入完成后回车
最后，选择Reboot的选项，系统将再次重启
至此，显卡驱动安装完成

重启，一定要重启，准备激活显卡驱动，这个其实是上面注意前的命令，怕的是重启后手足无措不足的怎么办导致错误发生

shutdown -r now   #重启命令，可手动重启或终端输入此代码

Nvidia驱动校验

重启后打开中终端，输入如下代码，出现如下信息，证明显卡驱动安装完成

nvidia-smi   #

内容参考自： 简易记录：安装GPU驱动，CUDA和cuDNN

三、CUDA安装

CUDA下载

进入CUDA官网 CUDA官网

在上述nvidia-smi的信息里查看CUDA版本号，下载对应版本，但建议不要下载太新的版本，根据Pytorch官网推荐的版本号下载，这边推荐11.3的版本

CUDA安装

接着进入CUDA官网的11.3版本的开始选择，后出现下载代码，这边建议选择deb(network)

依次在终端输入官网下方对应代码

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin
sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/7fa2af80.pub
sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/ /"
sudo apt-get updatesudo apt-get -y install cuda

CUDA校验

接着，添加环境变量并检查CUDA版本，出现版本号证明CUDA安装成功

export PATH=$PATH:/usr/local/cuda/bin  #添加环境变量
nvcc -V  #检查CUDA版本

基本上现在ubuntu的gcc版本都较高，使用如下代码，降版本，才可进行后续步骤

cat /proc/driver/nvidia/version  #查看本来的gcc版本
sudo apt install build-essential
sudo apt -y install gcc-8 g++-8  #安装gcc 8，根据报错实际情况可作调整。
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-8 8
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-8 8
sudo update-alternatives --config gcc  #调整默认gcc，之安装gcc 8则无须执行

安装CUDA样本，进行CUDA的校验

cuda-install-samples-11.x.sh ~  #安装cuda 11.x的样本到~目录下，替换x为你的版本号
cd ~/NVIDIA_CUDA-11.x_Samples  #进入Sample目录
make  #有点耗时，如果系统版本不匹配，gcc版本可能会导致报错
./1_Utilities/deviceQuery/deviceQuery  #执行检查程序

出现如下结果，最后一行出现 Result = PASS，证明CUDA正常工作

内容参考自： 简易记录：安装GPU驱动，CUDA和cuDNN

四、Pytorch安装

更换conda镜像源

更换conda清华镜像源，因为外网特别特别特别慢，不要问我怎么知道的，欲哭无泪

  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  conda config --set show_channel_urls yes

创建conda虚拟环境

创建conda虚拟环境

#创建一个名为pytorch的虚拟环境，并且内置python为3.8的版本，具体想起什么名字，自己决定
conda create -n pytorch python=3.8   

安装Pytorch！！！

安装Pytorch，后面的11.3是你上面下载的对应的cuda的版本号，不要弄错，得下载2G多，耐心等待，还是比较快的

conda install pytorch torchvision cudatoolkit=11.3

安装完成后，进入虚拟环境

conda activate pytorch   #你起的什么名字，就敲什么名字

运行python

python   #就输入python即可

校验pytorch包是否安装成功，并且是否调用显卡

注意

pytorch人们叫他pytorch，但倒入的包是torch

import torch
torch.cuda.is_available()

出现True，证明pytorch包安装成功，并且成功调用显卡

最终，完成安装，文章书写不易，记得双击三连加关注哟！