Ubuntu18 安装nvidia驱动进行深度学习训练

安装nvidia驱动

由于本人的显卡是MX系列显卡，从官网上下载驱动会造成Ubuntu18的循环登录，因此需要ppa 源安装驱动。首先需要禁用nouveau驱动，使用vim工具打开blacklist.conf 文件。

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

这里使用键盘i键，在文件末尾插入如下命令

blacklist nouveau
options nouveau modeset=0

按Esc 退出插入模式，再输入：wq 保存文件后退出。
vim工具可采用如下命令安装：

sudo apt install vim

之后添加ppa源

sudo add-apt-repository ppa:graphics-drivers/ppa  
sudo apt-get update

然后使用

ubuntu-drivers devices

查看推荐版本的驱动，这里要安装推荐版本的驱动，否则也有可能因为驱动与硬件设备不兼容造成循环登录
之后使用

sudo apt-get install nvidia-driver-470

安装驱动。
这里安装驱动后不会立即生效，需要重启Ubuntu系统，之后输入nvidia-smi,如果可以看到如下页面，则说明驱动安装成功。(这里cuda version 显示的只是系统最高可以支持的版本，不是当前系统的cuda版本，系统安装的cuda版本可以比这个版本要低)

驱动不兼容而造成系统循环登录的解决方案

参考https://blog.csdn.net/sheqianweilong/article/details/106220751, 卸载之前安装过的驱动，恢复原驱动。

安装cuda

从cuda官网上https://developer.nvidia.cn/cuda-toolkit-archive下载对应的cuda安装包，这里我下载的是cuda 10.1

点击cuda链接之后，选择对应的版本，然后将命令行

wget https://developer.download.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda_10.1.243_418.87.00_linux.run

粘贴到Ubuntu终端上即可完成cuda的下载。
之后，输入

sudo sh cuda_10.1.243_418.87.00_linux.run

完成cuda的安装。
之后使用命令行，配置cuda的环境变量

echo 'export PATH=/usr/local/cuda-10.1/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc

最后，使用

nvcc -V

或

cat /usr/local/cuda/version.txt

查看cuda版本，若出现如下页面，则安装成功。

如果找不到上述命令，可使用

sudo apt-get install nvidia-cuda-toolkit

安装nvidia-cuda-tookit之后，再使用nvcc -V查看

安装cudnn

从cudnn官网https://developer.nvidia.cn/rdp/cudnn-archive下载cudnn的linux安装包 。这里下载cuDNN Library for linux, 之后选择cuDNN Library for Linux。如果之前没有账号，可能需要花费较长时间注册nvidia账号，可以从https://download.csdn.net/download/lhe159324/67504649下载cuDNN压缩包
在终端使用

tar -xzvf cudnn-10.1-linux-x64-v7.6.1.34.tgz

解压cudnn压缩包，将cudnn中的相应文件，移动到cuda文件夹中的对应位置。

sudo cp cuda/include/cudnn.h /usr/local/cuda-10.1/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.1/lib64
sudo chmod a+r /usr/local/cuda-10.1/include/cudnn.h /usr/local/cuda-10.1/lib64/libcudnn*

之后使用

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

查看cudnn版本，若出现如下页面，则安装成功。

下载anacoda3

从清华镜像https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/中下载anancoda3，这里下载Anacoda3 .5.1 。
使用以下命令安装

bash Anaconda3-5.1.0-Linux-x86_64.sh  

最后配置清华镜像源

conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge 
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

这里由于使用https协议，conda 会出现网络无法访问的问题，因此使用http协议。

找不到conda命令的解决方法

使用vim 工具打开/.bashrc文件，

sudo vim ~/.bashrc

在文件末尾添加

export PATH="~/anaconda3/bin:$PATH"

之后按:wq 保存退出。

之后输入

 source ~/.bashrc

使其立即生效。

搭建pytorch 虚拟环境

创建虚拟环境.(这里要安装python 3.6.2及以上，使用python3.6.0 及以下会出现找不到pytorch模块问题)

conda  create -n pytorch-test python==3.6.2

激活虚拟环境

source activate pytorch-test

安装pytorch

conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0  

检测gpu是否可用

python # 进入python环境
>>> import torch
>>> torch.cuda.is_available()#  检查GPU是否可用
True

其他常用工具的安装

采用pip方法安装第三方库

 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple 包名称

git安装

sudo apt-get install git