配置自己的深度学习平台，Ubuntu 16.04和GTX1060软硬件环境下安装Nvidia驱动、cuda 9.2、cudnn 7.3、Pytorch 1.2.0、Anaconda3、Pycharm

最新推荐文章于 2023-09-05 17:05:07 发布
最新推荐文章于 2023-09-05 17:05:07 发布
阅读量671 收藏
点赞数
分类专栏： Pytorch 文章标签： Nvidia Driver安装 cuda安装 pytorch安装 深度学习软件平台搭建 anaconda
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jsk_learner/article/details/101792189
版权

配置自己的深度学习平台

在从事深度学习研究的前期，很多人因为成本以及不确定因素等问题，一般不会购买特别好的显卡，而NVIDIA GTX1060 6G却是很大一部分人所选择的一类显卡，其价格不是很高，大概在1400元左右，而且其6G的显存恰好是一些深度学习的入门显存大小，可以用来训练一些数据量不是很大的网络模型。

笔者也是在实验室阶段，老师给配备了1060显卡的台式机，之前一直在实验室的服务器进行网络模型的训练，近期因为某些原因，想在自己的机器上配置一下Pytorch框架的深度学习平台，在前人这么多的经验面前，笔者仍然踩了很多坑，所以留下这篇文章，以期望能给后来者提供一些经验或者节约一些时间，毕竟把时间都浪费在配环境这样的工作上实在是不太划算。

本篇文章会有三条线：

  • 一条是NVIDIA Driver=396.37、cuda=9.2、cudnn=7.3.1、Pytorch=1.2.0安装，成功;

  • 一条是NVIDIA Driver=384.13、cuda=9.0、cudnn=7.3.1、Pytorch=1.2.0安装，当然这条线失败，接下来我会说明原因;

  • 最后一条就是Anaconda3、以及Pycharm的安装以及一些Anaconda和Pycharm的简单使用和命令操作。

划重点，成功的安装方法，cuda 9.2，cudnn 7.3.1、pytorch 1.2.0

安装cuda 9.2、cudnn 7.3.1、pytorch 1.2.0是成功的，下面将详细介绍成功的步骤细节。

Nvidia Driver 396.37 安装，成功

这次我准备按照网上说的，不预先安装396.37版本驱动，**直接在安装cuda的时候安装驱动，结果失败。**估计是因为pre-install script failed的问题导致的。

396.37驱动下载连接

  • 具体步骤：
禁用nouveau驱动

安装之前，需要禁用nouveau驱动：

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

在文末最后添加：

blacklist nouveau
options nouveau modeset=0

然后执行：

sudo update-initramfs -u

重启后，执行：

lsmod | grep nouveau

如果没有任何屏幕输出，就说明禁用成功。

关闭 X server

期间我在安装的时候出现一个问题：

you appear to be running an X server

原因是没有关闭 X server，所以需要进入到命令行模式将X server关闭。
按下Ctrl+Alt+F1，进入命令行模式，会让你输入用户名和密码。
然后执行

sudo service lightdm stop

装好Nvidia Driver之后，可以使用：

sudo service lightdm restart

重新进入到图形界面

执行安装文件

关掉X server，接下来使用cd命令进入到xxx.run所在的文件夹下。

可以用

chmod a+x ./xxx.run

更改文件的可执行权限
然后

sudo ./xxx.run

即可

安装之后，执行

nvidia-smi

观察到类似如下界面，即表示Nvidia驱动安装成功。
在这里插入图片描述

pre-install script failed 问题，未解决，但不影响

在安装过程中，除了上述关于X server问题外，我还遇到一个问题：

The distribution-provided pre-install script failed......

刚开始，我以为是很大的问题，因为我已经执行完禁用nouveau驱动以及关闭X server ，又查各种博客说要主板关闭secure boot，然后华硕要关掉fast boot，我的刚好是华硕主板，不过执行完这些操作后，pre-install script failed问题依然存在，索性我就佛系不管了，继续continue安装，一路选了yes，然后执行nvidia-smi，发现有驱动详细信息输出，此刻我感觉应该已经成功安装了驱动，但是在cuda以及pytorch等都没装好的情况，我心里依然忐忑。

cuda 9.2 安装，成功

执行安装文件

cuda 9.2 下载链接
在这里插入图片描述
下载完成后，
执行，更改文件的可执行权限

sudo chmod a+x ./xxx.run

再执行

sudo ./xxx.run

会有一个许可说明书，可以直接一直按enter使进度到100%，也可以直接按Q键继续下面的安装过程，如下图。

  1. 第一个选accept；
  2. 第二个是问你是否安装Nvidia Driver，因为我已经安装了，所以我输入n；
  3. 安装cuda 9.2 toolkit，输入y；
  4. 建立链接，输入y；
  5. 安装cuda 9.2样例，输入y；
  6. 其他直接回车即可；

在这里插入图片描述
网上有些说还要关闭图形界面，就是按Ctrl+Alt+F1进入命令行模式，输入以下命令：

sudo service lightdm stop

但是我没有关闭，直接在图形界面中安装的，但结果显示也是成功安装的。但是还没完，需要添加环境变量。
在这里插入图片描述

添加环境变量
sudo gedit ~/.bashrc

打开后，在文档末尾添加如下命令

export CUDA_HOME=/usr/local/cuda-9.2
export LD_LIBRARY_PATH=${CUDA_HOME}/lib64
export PATH=${CUDA_HOME}/bin:${PATH}S

此时在终端输入

nvcc --version

或者

nvcc -V

屏幕会输出如下信息：
在这里插入图片描述
这时，表示cuda已经安装成功。

cudnn 7.3.1 安装，成功

cudnn历史版本下载链接
在这里插入图片描述

拷贝头文件和动态库到cuda文件夹

不过其实cudnn的安装其实也叫不上什么安装，就是将cudnn下的头文件和动态库拷贝到cuda相应的文件夹下。
注意，cudnn的下载需要nvidia的帐号！

下载下来的cudnn文件有可能是solitairetheme8后缀的，没见过的同学不要疑惑，直接在ubuntu下依次执行如下命令即可：

cp cudnn-9.2-linux-x64-v7.3.1.20.solitairetheme8 cudnn-9.2-linux-x64-v7.3.1.20.tgz
tar -xvf cudnn-9.2-linux-x64-v7.3.1.20.tgz
sudo cp cuda/lib64/* /usr/local/cuda-9.0/lib64/
sudo cp cuda/include/* /usr/local/cuda-9.0/include/
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

如果这些问题没什么问题的话，屏幕中会看到如下信息：
在这里插入图片描述

检测cuda、cudnn是否最终安装成功

但是到这一步，并不意味着你已经安装成功，真正的安装cuda、cudnn成功，你还需要进行如下验证：

cd /usr/local/cuda-9.2/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

成功的话 你会看到如下信息：
Result = PASS
如果失败，比如因为驱动和cuda不兼容问题，就会出现：
Result = FAIL
在这里插入图片描述

安装pytorch 1.2.0，成功

利用anaconda创建虚拟环境

我先在anaconda下创建了一个python3.5的新环境：

conda create -n python35 python=3.5

激活该环境：

conda activate python35
安装pytorch 1.2.0

pytorch官网链接
在这里插入图片描述
在该环境下直接执行官方命令（不知道为什么，用pip3的话就不知道把第三方库装到哪里了，所以用pip）：

pip install torch==1.2.0+cu92 torchvision==0.4.0+cu92 -f https://download.pytorch.org/whl/torch_stable.html

等就好了
成功安装成功后：

Successfully installed numpy-1.17.2 torch-1.2.0 torchvision-0.4.0

检测pytorch是否可以使用cuda：
在这里插入图片描述
True
表示安装成功，真是太费劲了。

失败的安装教训，cuda 9.0，cudnn 7.3.1、pytorch 1.2.0

本次安装过程中，Nvidia Driver 384.13、cuda 9.0以及cudnn 7.3.1的安装都是成功的，但是因为pytorch的原因导致我只能卸载了cuda9.0，重装了cuda9.2，但是这一部分除了pytorch安装都是ok的。

安装NVIDIA驱动应该是比较简单的工作，，但是由于NVIDIA驱动和显卡的版本具有一定的兼容关系，所以官网里通过筛选得到的NVIDIA驱动推荐可能会不太靠谱。其推荐的都是4开头版本的驱动…
在这里插入图片描述
而查看ubuntu系统里的软件与更新部分，会发现其推荐的是384.13版本的驱动。
在这里插入图片描述
所以在第一次安装418.88版本的驱动失败之后，我选择直接安装384.13版本的驱动。

Nvidia Driver 384.13 安装，成功

Nvidia Driver 384.13下载链接

具体安装过程，参考第一部分——成功的部分驱动396.37版本的安装，区别不大。

不过虽然ubuntu 16.04系统推荐的是384.13版本的驱动程序，但是Nvidia的官方文档显示要安装cuda=9.0，需要驱动**>=384.81**，不过在我装完cuda 9.0和cudnn之后，发现同属于384版本的驱动之间好像并不会造成cuda安装失败。

造成本步骤真正失败的原因，是因为pytorch安装的原因，不过如果不考虑pytorch的话，单纯论Nvidia Driver、cuda以及cudnn的安装，这个过程还是成功的。

cuda 9.0 安装过程，成功

安装好了384.13版本的Nvidia Driver之后，我们就可以直接安装cuda 9.0

有些教程里说，cuda里其实是集成了Nvidia驱动程序的，确实是，但是如果你已经安装了Nvidia驱动，在安装cuda的时候，一定要在系统询问你是否安装驱动的时候选择no，否则ubuntu会陷入重复登录的情况，就是让你不断的输入密码，然后又不断的重复登录界面，如果你一旦不幸遇到这种情况，按Ctrl+Alt+F1进入命令行模式，将cuda卸载掉即可。
在这里插入图片描述
整个过程差别不大，就是添加环境变量时将9.2改为9.0即可

成功截图：
在这里插入图片描述
如果遇到解决不了的问题，可以通过卸载驱动和cuda之后重新安装即可。

  • 附上卸载cuda命令
sudo /usr/local/cuda-9.0/bin/uninstall_cuda_9.0.pl
sudo rm -rf /usr/local/cuda-9.0
  • 附上nvidia驱动卸载命令：
sudo apt-get remove nvidia* -y

cudnn 7.3.1安装，成功

和前面基本一致，不作赘述。

成功安装cuda和cudnn后的截图一部分。
在这里插入图片描述

安装Pytorch 1.2.0，失败

anaconda3安装之后，
使用

conda create -n your_env_name python=3.x

创建新的python虚拟环境

如果想删除虚拟环境：

conda remove -n your_env_name --all

但是

pip install pytorch torchvision
conda install pytorch torchvision
pip3 install pytorch torchvisions

均有问题，即没有current platform的版本avaliable，然后去pytorch官网，发现现在更是没有cuda9.0的官方，即便是将9.2直接改成9.0,也是白搭，直接报错。
去ailiyun镜像下载，也是不行。

所以我只好先按照官方命令装了cuda9.2的pytorch，装的很成功，但是

print(torch.cuda.is_avaliable())

False

凉凉…

所以悲催的我只能重装cuda，下载好cuda 9.2之后，装得很成功，但是在装好cudnn之后，执行

cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

输出

cudaGetDeviceProperties returned 35
CUDA driver version is insufficient for CUDA runtime version
fail

我就知道，绝对是有问题啊，思考了一下，看了下cuda和驱动适配关系的官方文档，发现原来的384.13驱动程序版本太低，所以会出现驱动和cuda不兼容问题，因此，我只好卸载cuda，卸载驱动。

宣告失败。

Anaconda3安装

我下的就是base= python 3.7那个，下载后，就直接

sudo sh ./Anaconda3-2019.07-Linux-x86_64.sh

Pycharm安装

本来下的是专业版的professional，谁知道激活码命令网址作者因为某些原因不再维护了，学生申请的话，好像有点麻烦，省事所以只好装了社区版。
安装后pycharm后每次都得去文件夹下找到sh文件，打开比较麻烦，所以可以做个在启动器那里做个快捷方式。

启动器里添加快捷方式

添加pycharm快捷方式：

sudo gedit  /usr/share/applications/pycharm.desktop

打开后，添加如下

[Desktop Entry]
Type=Application
Name=Pycharm
GenericName=Pycharm3
Comment=Pycharm3:The Python IDE
Icon=/home/xxx/pycharm-community-2019.2.3/bin/pycharm.png
Exec=/home/xxx/pycharm-community-2019.2.3/bin/pycharm.sh
Terminal=pycharm

即可

希望能帮到大家，谢谢。
2019.9.30

jsk_learner
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
AI硬件部署方案
eq0284的博客
05-26 1325
人工智能硬件部署方案
详解Ubuntu16.04安装nvidia驱动+CUDA+cuDNN的教程
09-14
主要介绍了Ubuntu16.04安装nvidia驱动+CUDA+cuDNN教程，本文给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下
GTX1060+win10+CUDA11.3+cudnn8.2+pytorch1.11.0——个人配置踩坑日记
Dwadewa的博客
05-05 9319
以下是我亲测有效的使用 RTX 1060 的各部分安装版本 电脑系统：window 10 python版本：3.8.13 pytorch版本：1.11.0 CUDA版本：11.3 cuDNN版本：8.2 以下是我个人安装过程的步骤，以及我踩过的坑，这里解决踩坑问题主要参考： RTX3060+win10+CUDA11.2+cudnn8.2.0+pytorch1.8.0 环境——个人配置经验 Win10+MX250+CUDA11.3+cuDNN+Pytorch安装 文章目录前言一、安装Miniconda二、创建
深度 | 英伟达Titan Xp出现后，如何为深度学习挑选合适的GPU？这里有份性价比指南
人工智能
04-10 7670
选自Tim Dettmers 作者：Tim Dettmers 机器之心编译 参与：李泽南、微胖 4 月初，英伟达发布了 Titan X Pascal 的升级版——新一代旗舰显卡 Titan Xp。它搭载 12G DDR5X 内存，速度为 11.4Gbps，共 3840 个 CUDA 核心（Titan X 和 GTX 1080 Ti 均为 3584 个），运行频率
vs运行cuda时出现runtime library 问题
qq_40086778的博客
11-10 812
打开设备管理器，看到显卡是MX150 之前我试过安装最新版本的cuda驱动（cuda v11.1），发现运行一些GPU相关的程序时，会出现下图所示的runtime library问题。 将cuda进行各种配置变量，甚至卸载重装都不能解决。 直到，放弃最新版本的cuda，改装cuda v9.2之后，事情变得好了起来。 网上还有一些大佬对cuda的其他版本进行过测试，总之，如果你的cuda安装完成运行GPU时出现了问题，请换个版本。 ...
记一次windows11安装hashcat遇到的问题
maxiluo的博客
09-05 4176
记一次windows11安装hashcat遇到的问题
ubuntu18.03+gtx1060显卡驱动+CUDA10+cudnn7.5
qq_42700637的博客
11-19 1360
ubuntu18.03+gtx1060显卡驱动+CUDA10+cudnn7.5 在安装显卡之前请先把ubuntu 18.04系统提前安装好。 需要准备的资料： NVIDIA 驱动 下载驱动 驱动到NVIDIA官网下载，在此下载页面选择合适的显卡，切记选择.run文件。 安装驱动 1 安装依赖 sudo apt-get install gcc g++ make //因为安装过程需要这些工...
Ubuntu18.04 安装NVIDIA显卡驱动(GTX1060)+CUDA10.1+CUDNNv8+Anaconda3+pytorch+pycharm (最全教程，踩坑)
weixin_41281151的博客
08-09 1631
Ubuntu18.04 安装NVIDIA显卡驱动(GTX1060)+CUDA10.1+CUDNNv8+pycharm+Anaconda3+pytorch (最全教程，踩坑) 经历了一周的疯狂安装，卸载，凭借记忆与无奈写下过程 安装NVIDIA驱动（GTX1060） 参考博客 Ubuntu下安装INVIDIA显卡驱动（避免循环登录问题） 1.卸载之前安装的驱动 sudo apt-get purge nvidia* 2.禁用nouveau，禁用后， sudo gedit /etc/modprobe.d/bla
win10 GTX1060 安装CUDA+PyTorch GPU
weixin_37763484的博客
01-10 6828
1.说明 其他博客已经讲得很详细了，但是或多或少会有些问题，我自己安装了一遍 发下了如下的一些注意事项，想安装的同学们注意了。 假设你已经安装好了anaconda 和py37。 2.CUDA和 cudnn 安装cuda的时候，大的版本号一定要对，安装cuda的时候会自动帮你更新驱动的版本。例如我现在的显卡支持9.2.1，那么安装cuda9.2.148的时候，会自动让我的显卡驱动更新到9.2.14...
Geforce 1060 安装torch笔记 python 3.10
qq_54637431的博客
04-20 626
比如说我的是CUDA 1.12.1，但是上面目前没有这么高的版本，只有11.8，那我就下11.8的。5.根据百度来的消息选择对应的torch版本,下载链接在下面.自己找对应版本的torch。1.下好N卡驱动和CUDA,DDU,关掉WIFI,拔掉网线,避免重启系统自动安装驱动。2.进系统安全模式,解压DDU安装包,解压,右键以管理员身份运行.6.在pycharm弄好环境，在终端安装对应版本的whl文件。下载最新版的显卡驱动和CUDA,3..选择显卡驱动,卸载并重启,我这装过了就不截过程了。
Win10深度学习环境搭建：Python 3.7.2+CUDA 10.0+cuDNN 7.6+Tensorflow-gpu 1.13.1+Jupyter
weixin_40407085的博客
08-31 2275
来回折腾过几次Tensorflow-gpu的环境搭建，想把成功的方法分享给大家！ （也是因为自己前阶段的深度学习环境gpu调用出了问题，跑程序时发现CPU的占用率达到了99%，而GPU却没有被调用。经过反复卸载重装软件，烦了三四天才成功，所以趁着成功之余还是记录下来，即能避免自己重蹈覆辙，也能让大家少走弯路。） 【电脑基础环境】 系统：Windows10 显卡：NVIDIA GeForce ...
离线安装Ubuntu16.04 NVIDIA1060驱动 CUDA9.0 CUDNN7.0 anaconda TensorFlow-GPU
09-16
离线安装Ubuntu16.04 NVIDIA1060驱动 CUDA9.0 CUDNN7.0 anaconda TensorFlow-GPU pycharm opencv-python opencv-contrib-python pytorch clion qt5
Ubuntu16.04 安装 CUDA、CUDNN、OpenCV 并用 Anaconda 配置 Tensorflow 和 Caffe 详细过程-附件资源
03-02
Ubuntu16.04 安装 CUDA、CUDNN、OpenCV 并用 Anaconda 配置 Tensorflow 和 Caffe 详细过程-附件资源
T630服务器安装机器学习环境（ubuntu16.04server、Nvidia驱动、CUDA9.0、CUDNN7）.docx
09-25
T630服务器安装机器学习环境（ubuntu16.04server、Nvidia驱动、CUDA9.0、CUDNN7）
GPU太贵无从下手？大神教你省钱又省心
fish的专栏
03-26 830
原文：https://www.itcodemonkey.com/article/8227.html 来自：AI前线（微信号：ai-front），作策划编辑：Vincent，作者：Tim Dettmers，译者：核子可乐、Debra，编辑：Debra，原文链接 导读：深度学习是一类对计算资源有着高度要求的领域，而 GPU 的选择将从根本上决定你的深度学习体验。如果没有 GPU，你...
做深度学习这么多年还不会挑GPU？这儿有份选购全攻略
04-11 247
大数据文摘出品来源：timdettmers编译：刘佳玮、钱天培深度学习是一个对算力要求很高的领域。GPU的选择将从根本上决定你的深度学习体验。一个好的GPU可以让你快速获得实践经验，而这些经验是正是建立专业知识的关键。如果没有这...
[人工智能-深度学习-39]：环境搭建 - 训练主机硬件选择全指南（CPU/GPU/内存/硬盘/电源）
热门推荐
文火冰糖（王文兵）的博客
11-08 2万+
第1章 选择台式机还是笔记本 （1）笔记本适用场合（没有太多的要求） 理论学习 浅层网络训练 深层网络运算 （2）台式机（有一定的性能） 深度网络训练 （AlexNet之后的网络，就需要GPU训练了） 通过增加GPU卡，升级并行计算性能 通过升级RAM，升级主机的内存 通过升级CPU, 提升CPU的性能 神经硬盘，扩充数据集和模型的数量 第2章 台式机选择CPU？ 1.1 CPU概述 CPU的全称是Central Processing Unit，而GPU的全称是Graphic...
Ubuntu 20.04安装GTX 1060显卡驱动+cuda 11.4 + cudnn 8，nvidia-smi 报错：NVIDIA-SMI has failed
weixin_43041894的博客
08-27 1704
启动ssh服务 接下来的操作，我全都是从另一台电脑ssh远程连接到这个Ubuntu16电脑上操作的 换源 备份： -修改/etc/apt/sources.list为以下内容： 准备工作 删除旧的驱动 屏蔽开源驱动nouveau，首先创建新文件： 添加的内容如下： 更新上述配置： 此时执行命令lsmod | grep nouveau还可以看见以下内容，证明刚才的配置还没有生效： 为了使刚才的配置生
深度学习——TensorFlow1.0GPU环境构建
庄小焱
01-30 2713
本人在神州笔记本（Z7-KP7SC）+双系统window10/Ubuntu16.04+GTX1060+CUDA9.0+CUDNN7.4.0+TensorFlow1.*-GPU安装和测试实现了对深度学习的环境的基本的配置的一个过程。当然这里也是借鉴了很多的网友的博客和自己的经验才完成的。如果是的安装的CPU的版本的话就本简单本人就不重复介绍了。如果是的其他的版本的请自己的查看官方推荐的是的版本号进行安装和测试。如果是的电脑是和我一样的配置的应该安装下面的步骤就不会有什么问题的。
ubuntu16.04安装cuda9.2
最新发布
10-11
安装CUDA 9.2的步骤如下： 1. 下载CUDA 9.2的安装包和对应的补丁包，注意选择适合自己系统的版本。 2. 安装依赖软件： ``` sudo apt-get install build-essential sudo apt-get install linux-headers-$(uname -r) ``` 3. 禁用nouveau驱动，因为它会和CUDA的驱动冲突。可以通过以下命令进行禁用： ``` sudo vim /etc/modprobe.d/blacklist-nouveau.conf ``` 在文件中添加以下内容： ``` blacklist nouveau options nouveau modeset=0 ``` 保存并退出后执行以下命令： ``` sudo update-initramfs -u ``` 4. 重启电脑，进入命令行模式，禁止图形界面： ``` sudo systemctl set-default multi-user.target sudo reboot ``` 5. 进入命令行模式后，进入到CUDA 9.2的安装包所在目录，执行以下命令进行安装： ``` chmod +x cuda_9.2.148_396.37_linux.run sudo ./cuda_9.2.148_396.37_linux.run --override ``` 6. 安装完成后，执行以下命令将CUDA添加到环境变量中： ``` echo 'export PATH=/usr/local/cuda-9.2/bin:$PATH' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda-9.2/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc source ~/.bashrc ``` 7. 安装补丁包，执行以下命令进行安装： ``` chmod +x cuda_9.2.148.1_linux.run sudo ./cuda_9.2.148.1_linux.run --override ``` 8. 安装完成后，重启电脑，进入图形界面模式： ``` sudo systemctl set-default graphical.target sudo reboot ```

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值