一、深度学习环境配置
1、安装NVIDIA显卡驱动
-
屏蔽
sudo vim /etc/modprobe.d/blacklist.conf
-
在文件最下面添加下面几行
blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist rivatv
blacklist nvidiafb
-
更新
sudo update-initramfs -u
-
重启
sudo reboot
-
检查是否屏蔽成功(重启后,稍等一下再重新连接服务器)
lsmod | grep nouveau
-
没有任何输出,表示屏蔽成功
-
依次执行下面命令
sudo apt-get --purge remove nvidia-* sudo chmod a+x NVIDIA-Linux-x86_64-384.130.run sudo ./NVIDIA-Linux-x86_64-384.130.run -no-x-check -no-nouveau-check -no-opengl-files
-
选项全部选yes即可
-
检查安装是否成功
nvidia-smi
2、安装Anaconda
-
执行命令
bash Anaconda3-2020.07-Linux-x86_64.sh
-
选项全部默认,选yes即可
-
更新环境变量
source ~/.bashrc
-
检查是够安装成功
conda --version
3、利用conda创建虚拟环境
- 创建虚拟环境:
conda create -n your_env_name python=3.6
- 激活虚拟环境:
conda activate your_env_name
- 关闭当前虚拟环境:
conda deactivate
- 删除虚拟环境:
conda remove -n your_env_name --all
- 查看安装列表:
conda list
- 利用conda安装:
conda install numpy
- 查看虚拟环境列表:
conda env list
- 检查更新当前conda:
conda update conda
如果速度太慢,
更换清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --set show_channel_urls yes
更新conda
conda update conda
4、配置pytorch学习环境
-
利用conda安装pytorch
conda install pytorch=1.6.0 torchvision -c pytorch
-
可以指定版本,不指定的话默认安转最新版的
-
conda会自动安装版本匹配好的cudatoolkit(cuda),不过不会自动安装cudnn,但是好像不装也没事,跑代码可以用GPU
-
如果在主环境base下安装了cuda,就不要在虚拟环境安装cuda了,否则会版本冲突,同时,虚拟环境安装pytorch必须使用pip安装,因为conda install会自动安装cuda
-
-
利用pip安装pytorch
pip install torch==1.6.0 -i https://pypi.tuna.tsinghua.edu.cn/simple pip uninstall torch
5、安装pycharm
-
官网下载pycharm的linux安装包
-
解压到/opt/路径下
tar -xzf pycharm-professional-2019.1.3.tar.gz -C /opt/
-
进入解压后的bin目录,安装
cd /opt/pycharm-2019.1.3/bin sh ./pycharm.sh
-
桌面快捷方式创建
Tools–>Create Desktop Entry