关于linux系统上深度学习的环境配置

一.安装nvidia驱动

        1.下载GPU对应驱动文件：

我的是2060

官方驱动 | NVIDIA

                

点击搜索，然后下载。

        2.禁用内核驱动：

sudo vim /etc/modprobe.d/blacklist.conf

在底部插入 blacklist nouveau

安装make、gcc、g++等，方便接下来按装驱动

更新设置

sudo update-initramfs -u

重启

现在是没有驱动的系统，分辨率很呆。

在下载驱动的目录执行

sudo sh NVIDIA-Linux-x86_64-510.60.02.run

等待安装

选择yes 选择continue,可能会报一个警告，说gcc版本不是驱动指定的版本，只要gcc版本比它要求的高就没事，坚持安装。

完成之后输入命令

nvidia-smi

显示如下就说明成功了

 二. 安装cuda  cudnn

        1. 安装cuda

CUDA Toolkit 11.6 Update 2 Downloads | NVIDIA Developer

选择你的系统

 下载类型选择 runfile  ，网站会给年下载指令

wget https://developer.download.nvidia.com/compute/cuda/11.6.2/local_installers/cuda_11.6.2_510.47.03_linux.runsudo
sh cuda_11.6.2_510.47.03_linux.run

在下载的目录下执行

sh cuda_11.6.2_510.47.03_linux.run

在driver处按空格 消除 X ，因为前面已经安装过驱动了 ，选择install回车 接下来一路yes

(我装的时候没有截图，这是别人的图，版本不一样)

默认安装cuda路径为：/usr/local/cuda-11.6

打开变量文件，添加变量：

#64bit

export CUDA_HOME=/usr/local/cuda-11.6

export PATH=/usr/local/cuda-11.6/bin${PATH:+:${PATH}}

export LD_LIBRARY_PATH=/usr/local/cuda-11.6/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

#32bit

export LD_LIBRARY_PATH=/usr/local/cuda-11.6/lib${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

启用变量：

source ~/.bashrc

使用命令查看cuda版本：

nvcc --version

        2.安装cudnn

https://developer.nvidia.com/cudnn-download-survey

下载之前它要你填一个问卷，点最下面的 submit,，选择同意条款，选择你的cuda版本对应的下载链接

下载得到的是一个.tar.xz的文件，需要解包2次，去百度怎么解压.xz文件，再解压.tar

 进入解压好的文件目录，把cudnn文件拷贝到cuda对应目录下，给权限就OK了

sudo cp ./include/cudnn*.h /usr/local/cuda/include

sudo cp ./lib/libcudnn* /usr/local/cuda/lib64

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

拷贝完成使用命令查看版本：

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

 安装好了。

三.安装pycharm

直接在应用商店搜一下，点击按装那个社区版的就行，没有就去官网

四. 安装anaconda

        这个博主写得很详细建议看他的

Ubuntu安装 Anaconda 3 (详细安装步骤与常用命令)_Mr-Ma Technology的博客-CSDN博客_ubuntu安装anaconda

 创建一个虚拟环境，然后启用它。

 五. 在pycharm中选择conda环境

右下角有一个快速设置（切换）环境的按键

 点倒数第二个

 点右边小齿轮，点add，

选择已经存在的环境，再选择你创建的虚拟python环境的python3.*

点击OK就好了

六. 用pycharm安装conda环境各种需要的库

pip指令也好，直接在设置里面的python interpreter 里加也好，能成功安装就行。唯一需要注意的是你要知道你安装在哪个python环境上，需要装什么就去搜一下pip指令。

你可能会因为换下载源而更新，然后你突然发现你的显卡驱动没了。不要担心，它还在那，仅仅是没有连接上内核。 因ubuntu内核升级导致的显卡驱动问题的解决方案_关关在干嘛的博客-CSDN博客_ubuntu 修复 显卡驱动