ubuntu18.04从零搭建深度学习环境

很多人对于深度学习刚开始报以很大的热情，但是通常会花 非常多的时间在环境的搭建上，而且自己电脑里装了很多的版本的包，最后都不知道用的哪个环境跑通了，对于一个 new project又得重新搭建。
为了自己以后重装系统后快速恢复和刚入手ubuntu18.04的人，可以看一下以下的 经验总结（本人两年来的经验，保证稳定）：
如果你愿意尝试docker镜像的话，那样会更便捷，可以看我的 这篇博客

1、装ubuntu18.04

这一点就不用多说了，只要注意：

• 可以在装系统的这步就可以进BIOS把Secure Boot Disabled禁用了
• 验证系统安装正常就是：在ubuntu18.04装好提示你重启的时候，这时候屏幕上没有任何异常的信息跳出来

2、给系统换源

这样的好处是你会感觉更新一些包的速度会非常快

找到Software & Updates，将源更新为阿里云的源，如下图：

在Other Software里将Canonical Partners勾上，如下图：

然后不要忘记更新：

sudo apt update
sudo apt upgrade

3、安装NVIDIA显卡驱动

2021年6月22日更新：这里安装的时候不要安装full的，可以安装headless的，具体请见我的博客：
ubuntu18.04 让独显全部用于运算
这一步是必备项（虽然在安装cuda的时候会提示你是否 Install NVIDIA Accelerated Graphics Driver
,但是一般都是这样安装），也是很多人容易安崩的阶段，下面是我收藏的屡试不爽的方法：
Ubuntu 18.04 安装NVIDIA驱动

• 建议在ubuntu-drivers devices后一步选择推荐驱动版本
• 然后这篇教程只要看到nvidia-smi后输出类似下面的就可以了：

4、安装cuda和cudnn

这一篇是我收藏的高质量的安装cuda和cudnn的博客：Ubuntu18.04安装CUDA10、CUDNN，另外还有几点要注意的：

• 尽量安装cuda10.0的，9系列的有些深度学习框架高版本就不支持了
• 在STEP3中，只在终端里export是当前会话有效，可以gedit ~/.bashrc进行修改，不要忘记source ~/.bashrc
• 建议local本地安装，这样以后不用在线又耗流量下载（补丁.run文件就是同样方法下载安装）
• 我个人使用较多的是cuda10.0+cudnn7.4.2，可以使用nvcc -V来查看cuda版本
• 其实现在安装cuda10.1+cudnn7.6.5也可以了，毕竟对于cuda10.0，pytorch最高支持到1.4，也就是说想要使用更高版本的最好安装cuda10.1的了(安装过程中会有一些与cuda10.0不同的地方)
• cuda11.x+ for RTX30 series (must be!) see another blog

真烦，推荐的两个链接都改成VIP文章了，现在把关键的几步命令在下面备份一下：

# 注意，cuda11.6没记错之后就不在cuda里面内置samples了，所以不能samples/1_Utilities/deviceQuery去验证了
# 下面是解压完cudnn后的复制和改权限
sudo cp -d cuda/include/cudnn*.h /usr/local/cuda/include
sudo cp -d cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
# 查看cudnn版本
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2  # 7.6以前
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2  # 8.0以后

5、安装Anaconda3

Anaconda3自然不用多说，可以很方便的创建虚拟环境，隔离不同项目所需的运行环境。
miniconda download site
一般也是下载.sh文件来安装，下面这篇收藏的博客说明了：anaconda python 版本对应关系，并且有anacnda的下载地址。总结一下就是：

• 现在都以python3.6或者3.7环境居多（不建议用python3.8环境），所以只要分别下Anaconda3-5.2.0-Linux-x86_64.sh和Anaconda3-5.3.0-Linux-x86_64.sh就行，更多版本见表格
• 然后bash ./Anaconda××××××××××××××××××.sh就可以了
• 在安装过程中会提示是否要把Anaconda写进环境变量里，写入的话终端输入python就会进入anaconda的python环境,而不写入的话，终端输入python3就是进入系统自带的python环境
• 我个人不喜欢写入环境变量，我会运行以下命令：然后输入conda activate进入base虚拟环境

gedit ~/.bashrc
. /home/lz/anaconda3/etc/profile.d/conda.sh
source ~/.bashrc

• 虽然很多人会建议进行conda换源，但是我发现使用过程中conda包管理会使python版本也有可能升级，所以之后我一直使用pip来安装包（如果你想换或者改回原来的源，这里有一篇高质量的博客：anaconda 1，添加清华镜像 2，改回原始源）

6、pip换源

这个换完源之后的速度简直就是天差地别：
在主目录下创建.pip文件夹,然后在该目录下创建pip.conf文件：

mkdir ~/.pip
gedit ~/.pip/pip.conf

pip.conf文件编写如下内容（更换为清华大学镜像源）：

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple 

保存退出就生效了。

7、安装PyTorch gpu版本

这里不会有人安CPU版本的吧-_-
这里我不建议按照官网里的一句话安装，如：

conda install pytorch torchvision cudatoolkit=10.0 -c pytorch

或者你把后面的-c pytorch去掉改用清华的conda源下速度可能更快点，都不是我自己喜爱的方法。
我的方法是通过pip安装：

对于cuda10.0的就可以去：https://download.pytorch.org/whl/cu100/torch_stable.html
更多其他版本搭配可见这里：https://download.pytorch.org/whl/torch_stable.html
下载对应版本的torch.whl和torchvision.whl（版本匹配可看下图）：现在推荐使用torch 1.3+的版本

比如你下的是torch-1.3.0%2Bcu100-cp36-cp36m-linux_x86_64.whl（代表torch1.3.0版本，python3.6环境，linux 64位系统）和torchvision-0.4.1%2Bcu100-cp36-cp36m-linux_x86_64.whl，然后只要在conda激活的环境下使用：

pip install torch-1.3.0%2Bcu100-cp36-cp36m-linux_x86_64.whl
pip install torchvision-0.4.1%2Bcu100-cp36-cp36m-linux_x86_64.whl

就可以很快的安装上PyTorch gpu版本啦（whl文件可以存在移动硬盘上，下次安装就不用下载了）

8、安装pycharm

对应python最好用的IDE当然是pycharm啦，最新版本还支持鼠标停留显示文档，对于看代码特别方便：
推荐一篇收藏的高质量博客：Ubuntu 18.04 安装 PyCharm

当然激活那一步，我使用的是学生激活，所以是正版专业版啦（可以阅读jupyter notebook）

至此就可以安装完深度学习基本的环境啦~~~~经验总结，值得收藏哦！