#环境配置#Ubuntu+anaconda+Pytorch1.4(保姆级别~)

目录

配置和模块：

Anaconda安装：

下载指定版本Anaconda：

安装下载好的Anaconda：

拓展-Anaconda使用简介：

CUND/cuDNN安装:

CUDA10.1安装：

 cudnn安装：

拓展：

虚拟环境创建(本章节因个人需求而已)：

Pytorch安装(衔接上步)：确保激活了虚拟环境 cv-tf ：source activate cv-tf

手动码字，如果觉得不顾希望来个一键三连~~~~~谢谢，受限于楼主当前水平所限，可能会存在纰漏，如果发现错误请不吝赐教~~~

---

配置和模块：

1. GPU == MX250 显存2GB
2. CUDA10.1
3.  cudnn-10.1-linux-x64-v7.6.5.32
4. PyTorch1.4
5. OS ==Ubuntu18.04

Anaconda安装：

下载指定版本Anaconda：

 

Anacoda官网下载：https://www.anaconda.com/products/individual

清华镜像（速度快）：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

本人Liunx系统信息：Ubuntu18.04 64bit

根据电脑Linux系统信息下载64位Anaconda安装包：（此处根据不同人需要，自行下载指定版本）

官方渠道：

清华镜像：

 

安装下载好的Anaconda：

• 定位到Anaconda下载位置

cd ~/Downloads

• 更改权限

sudo chmod u+x Anaconda3-5.3.1-Linux-x86_64.sh 

 

•  安装Anaconda

./Anaconda3-5.3.1-Linux-x86_64.sh  ###注意前边的 .

 回车键同意协议

多次空过跳过协议内容

键入yes 

选择安装路径：楼主此处采用默认路径，因此 回车跳过

 

 

滚屏结束后停留在以下界面：询问是否配置环境，此处键入 no

询问是否安装VScode，根据个人情况选择，楼主此处选择 no

 

成功：

 

添加anaconda到环境变量，在.bash_profile中添加：

export PATH="/home/gallery/anaconda3/bin":$PATH
####/home/gallery/anaconda3/bin为你自己安装路径

测试python版本，此时默认python3已经为anaconda安装版本，如需使用系统自带的python，经.bash_profile中的上述命令注释即可：

测试conda版本：

 

拓展-Anaconda使用简介：

anaconda初次安装后一般更新为国内的源-如清华源：

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

conda config --set show_channel_urls yes

  1.创建虚拟环境

conda create -n 虚拟环境名称 python=版本号 想预安装的第三方库 -y

   若不指定python版本号，则和conda中的python版本相同,-y 参数是同意选项，如果不加-y参数，创建虚拟环境过程中会询问是否创建，需要键入yes继续

    2.进入虚拟环境

source activate 虚拟环境名称

   3.退出虚拟环境

source deactivate

  4.删除虚拟环境

conda env remove -n 虚拟环境名称

  5.列出存在的虚拟环境

conda env list

  6.把虚拟环境提取为yaml文件

conda env export > yaml文件名称.yaml -n 虚拟环境名称

 7.把yaml文件创建为虚拟环境

conda env create -f yaml文件名称.yaml -n 虚拟环境名称

  8.安装第三方库

conda install --name 虚拟环境名称 要安装的第三方库

 如果不加- -name参数，则给anaconda自带的python安装；如果在虚拟环境中不加- -name参数，则给当前虚拟环境的python安装

  9.卸载第三方库

conda remove --name 虚拟环境名称 要卸载的第三方库

  10.更新第三方库

conda update 要更新的第三方库

或

conda upgrade 要更新的第三方库

 此处参考来自伟大的师兄：https://blog.csdn.net/Zhang_Chen_/article/details/103309988

 

CUND/cuDNN安装:

CUDA10.1安装：

查看笔记本NVIDIA显卡型号：不知道自己电脑显卡型号：可按下述操作（未亲身测试）

lspci | grep -i nvidia

该命令的返回结果是一个十六进制数字代码

将该代码输入以下链接查询：http://pci-ids.ucw.cz/mods/PC/10de?action=help?help=pci

楼主显卡是MX250：

• 确定自己的显卡是否支持CUDA。可以到NVIDIA官网查看是否支持
• 确定自己显卡支持CUDA后，前往https://developer.nvidia.com/cuda-toolkit-archive下载相应版本的CUDA，楼主下载的版本是CUDA10.1。

•  按照楼主电脑信息，选择指定安装包

偶然发现下边有安装帮助，良心呀~~~~，之后是漫长的下载过程~~~

依次键入如下命令：

sudo dpkg -i cuda-repo-ubuntu1804-10-1-local-10.1.105-418.39_1.0-1_amd64.deb
#sudo apt-key add /var/cuda-repo-<version>/7fa2af80.pub  按照楼主安装版本，此处命令替代为下方命令，见下图
sudo apt-key add /var/cuda-repo-10-1-local-10.1.105-418.39/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda

 安装之后查看：

在.bashrc 中配置路径，如果不配置可能会报错：

配置命令如下：

sudo vim ~/.bashrc
####注意：此处因人而异，主要取决与你的cuda安装路径
export PATH="/usr/local/cuda/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda/lib:$LD_LIBRARY_PATH"
###保存并退出编辑后
###使得修改后的bashrc生效
 source ~/.bashrc

此时执行： nvcc -V 可得如下结果，表明安装并且配置成功

 

 cudnn安装：

前往 https://developer.nvidia.com/rdp/cudnn-archive 查看CUDA和cuDNN对应关系。按照对应关系下载指定版本，楼主下载版本如下：(需要一个注册过程，按流程来即可)

 解压下载文件，并将文件移动到指定目录：

#######下载的cudnn的后缀是.solitairetheme8, 将文件重命名, 以.tgz作为后缀, 然后使用tar -zxvf file.tgz命令解压即可
cp cudnn-10.1-linux-x64-v7.6.5.32.solitairetheme8  cudnn-10.1-linux-x64-v7.6.5.32.tgz
tar -zxvf cudnn-10.1-linux-x64-v7.6.5.32.tgz
#获得如下文件
    cuda/include/cudnn.h
    cuda/NVIDIA_SLA_cuDNN_Support.txt
    cuda/lib64/libcudnn.so
    cuda/lib64/libcudnn.so.7
    cuda/lib64/libcudnn.so.7.6.5
    cuda/lib64/libcudnn_static.a

#######移动文件
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
 
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
 
sudo chmod a+r /usr/local/cuda/include/cudnn.h
 
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

 至此CUDA/cuDNN安装成功

 

拓展：

nvidia与cuda需要满足关系：

https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

cuda与cudnn需要满足关系：

https://developer.nvidia.com/rdp/cudnn-archive

cuda历史版本下载连接：

https://developer.nvidia.com/cuda-toolkit-archive
tesnsorflow gcc cuda版本关系图

https://www.tensorflow.org/install/source

楼主安装过程比较顺利，没有碰见问题，如果碰见问题，可以参考：

https://blog.csdn.net/wanzhen4330/article/details/81699769

https://blog.csdn.net/wjinjie/article/details/108997692

nvcc -V和nvidia-smi出现的cuda版本不同：

https://blog.csdn.net/weixin_39518984/article/details/111406728

NVIDIA驱动失效简单解决方案：NVIDIA-SMI has failed because it couldn‘t communicate with the NVIDIA driver.

https://blog.csdn.net/wjinjie/article/details/108997692

 

 

 

虚拟环境创建(本章节因个人需求而已)：

在更改为清华源（见上）之后，创建虚拟环境cv-pt：

conda  create -n cv-pt python=3.6 -y   ####3.6版本python

创建成功：

 激活虚拟环境：

source activate  cv-tf

 

Pytorch安装(衔接上步)：确保激活了虚拟环境 cv-tf ：source activate cv-tf

经过以上配置安装：

1. GPU == MX250 显存2GB
2. CUDA10.1
3.  cudnn-10.1-linux-x64-v7.6.5.32
4. PyTorch1.4
5. OS ==Ubuntu18.04

下载对应版本pytorch：

PyTorch 官网：https://pytorch.org/get-started/previous-versions/

# CUDA 10.1
conda install pytorch==1.4.0 torchvision==0.5.0 cudatoolkit=10.1 -c pytorch

但是速度可能是个问题，可从清华源镜像下载，由于上一个栏目已经配置好anaconda的清华源，因此可以直接使用：

conda install pytorch==1.4.0 torchvision==0.5.0 cudatoolkit=10.1

滚屏中...................

安装完毕，测试是否安装成功，打开python 测试如下命令：

import torch
torch.cuda.is_availabe()

 完结，撒花~

 

手动码字，如果觉得不顾希望来个一键三连~~~~~谢谢，受限于楼主当前水平所限，可能会存在纰漏，如果发现错误请不吝赐教~~~