常用技能【1】——深度学习环境配置

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
  

• Ubuntu18.04安装CUDA10、CUDNN

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