从安装双系统ubuntu到pytorch-gpu

前言

Windows下的pytorch可以实现一些深度学习的项目，但是由于代码资源有限，且大多数github上的项目都是基于linux编写的，在尝试了许久windows下的环境设置之后，发现了许多系统层面的设置问题，所以我还是选择使用linux进行项目学习。

由于我之前使用过虚拟机来进行ros和ros2的项目，所以我首先想到能否用虚拟机，但由于深度学习主要是基于显卡的，而虚拟机在处理显卡方面有一些问题，所以我最后决定使用双系统。

我使用的电脑配置是

cpu：AMD® Ryzen 5 5600x 6-core processor × 12

gpu：NVIDIA Corporation GA104 [GeForce RTX 3070]

内存：32G

硬盘：固态1TB

主板：msi b550a-pro

1. 制作ubuntu的u盘启动文件

我安装的是目前最新的ubuntu lts版 Ubuntu 22.04.2 LTS，直接官网下载镜像版

u盘是8G的，最好是空的，后面也会自动格式化，使用rufus进行系统写入（github上下载）

这一步根据不同源，不同写入软件有着不同操作，但本质是一样的，可以根据自己查看不同的攻略

2. 安装ubuntu

首先是给ubuntu系统预留分区，因为我是打算进行深度学习，且我电脑文件不多，所以我打算预留300G给ubuntu，预留大小因个人需求和自己文件多少来决定。

右键windows界面左下角开始徽标，进入磁盘管理器，找到想要使用的磁盘空间，右键压缩卷，按照300G换算成MB输入即可分区完成。分区成功后300G空间上面的条会变成黑色的，而其他正常的会是蓝色的，要是300G是蓝色的，直接点击他的磁盘空间右键清空就会变成黑色的。

分区完成即可准备安装，由于我的主板是msi，重启后按del进入bios，将root里u盘放到系统启动前面，f10保存即可，msi界面直接拖动就可以完成，插入u盘后就自动进入了ubuntu安装，在黑白界面grub选择第一个try or install ubuntu即可。进入安装系统后语言-中文，布局-english，其他默认就好，重点是分区部分，由于我是一块ssd并且内存32G，所以我就直接默认安装了，自定义安装也可以参考别的教程，我也试过自定义安装，但是感觉区别不大，并且在之后尝试配置环境过程中经常操作失误，导致linux崩溃只能重装，所以我就为了方便默认安装了。

安装完成后，需要在bios里改变启动顺序，我的默认为先windows后ubuntu，这样会导致系统每次开机直接进入windows，msi主板是在启动-bbs里更改顺序，将ubuntu提前即可每次开机进入grub来选择进入的系统。注意将root启动顺序恢复成原来的样子。其他按照指示做就行，拔掉u盘，enter重启什么的。

3. nvidia driver 和cuda 安装

这一步比较重要，在完成最基本系统设置后，点开9个点的那个徽标，搜索software，进入软件和更新，点开附加驱动。

我显卡是3070，默认驱动是x.org x server这个，但在我后续安装cuda的时候出了很多问题，所以我打算重新安装一个驱动，我尝试了推荐的第一个和515-open但都出现了崩溃，所以最后我选择了这个目前在我电脑上很稳定的版本，造成不稳定的原因很多，因为我安装的时候系统里什么都没有，所以原因大概率是兼容性问题，我的电脑open版本全部会崩溃。

安装完driver后，终端输入nvidia-smi，看一下cuda，注意cuda可以向下兼容，我的是12.0，而后去pytorch官网点击get start，输入自己的型号，看一下兼容哪些cuda，我选的是cuda11.7。

cuda官网安装，重点是安装过程中选择不安装驱动，即第一个不选，其他默认。

4. 安装Anaconda3

官网安装anaconda3，但切记不要sudo安装，这样会安装到/root/，正常访问困难，直接bash即可，如果不小心安装到了/root/里，可以sudo su升级权限后 删除/root/anaconda3,具体ls看文件位置，我是按照官网的下载anaconda-clean清理后再删除文件的。

安装过程中记得最后一步要yes安装到环境变量

重启后有(base)就成功了

conda -V #查看版本

5. 创建虚拟环境，安装pytorch

把pytorch安装到虚拟环境里很重要，方便以后换环境。

创建新的环境，并激活。

conda create -n pytorch python=3.10 #创建新的pytorch
conda activate pytorch #激活pytorch环境

可以使用下列代码查看cuda信息，有人可能是version.txt。

cat /usr/local/cuda/version.json #查看cuda等信息

可以使用如下代码来验证环境变量是否设置成功

nvcc --version

如果显示未找到，就需要配置环境变量，输出cuda信息就是正确安装。配置方法为

nano /home/username/.bashrc #username是你的用户名
export PATH="/usr/local/cuda-11.7/bin:$PATH" #可以替换cuda-11.7到你的版本
export LD_LIBRARY_PATH="/usr/local/cuda-11.7/lib64:$LD_LIBRARY_PATH"
#On you keyboard press the following: 
#
#ctrl + o             --> save 
#enter or return key  --> accept changes
#ctrl + x             --> close editor

重启终端后再输入nvcc -V就正常了。

注意：下面代码是用来删除环境的

conda remove -n Pytorch –all #删除不用的虚拟环境，如不想要大写的P，删除一个重新创建一个

安装之前pytorch官网操作以及cuda版本，直接安装，我的是：

conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia

安装完成后

python #进入python
import torch
torch.cuda.is_available()

输出为true就安装成功gpu版了，false就是cpu版，torch模块未识别就安装失败了，前提是要在python下输入import torch。