Ubuntu21.10安装Pytorch
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