1. 安装nvidia驱动
sudo apt update
sudo apt install nvidia-smi nvidia-driver
对于单显卡的台式机用户,其他博客贴上的可切换式的配置是不需要的,仅仅安装显卡的监控驱动和显卡驱动即可。
尽量选择源内版本,在nvidia下载的ubuntu的驱动往往会出问题,兼容性差。
安装nvidia的驱动的过程中,可能会遇到说安装的驱动与当前加载的驱动有冲突,重启即可自动切换到安装的闭源驱动,所以选择确认以后安装程序会继续进行。
sudo reboot
直接重启
如果nvidia的驱动安装成功,则通过
nvidia-smi
可以显示出当前配置显卡的具体信息
2. 安装cuda驱动
如果式cuda8.0及其以下,deepin自带的gcc版本高了,需要进行降级。
sudo apt install g++-4.8 gcc-4.8
cd /usr/bin
sudo rm gcc g++
sudo ln -s g++-4.8 g++
sudo ln -s gcc-4.8 gcc
安装cuda的开发工具
sudo apt install nvidia-cuda-dev nvidia-cuda-toolkit nvidia-nsight nvidia-visual-profiler
sudo apt install python-pycuda
python-pycuda 是cuda的python开发接口。
自己先前一直尝试到nvidia的官网下载ubuntu的cuda包,安装后驱动各种出问题。
3. 安装anaconda3
anaconda集成了python的大多数进行数据实验开发的工具库,安装这个库以后不必再安装numpy等,百度找到anaconda的官方网页:
https://www.anaconda.com/download/#linux
这里根据想要搭配的pytorch的版本进行选择,我自己选择的python 3.6+pytorch+cuda8.0搭配,所以下载的3.6的版本。
下载完成后切换到下载目录安装anaconda
sudo sh Anaconda3-5.0.1-Linux-x86_64.sh
Anaconda3-5.0.1-Linux-x86_64.sh 为文件名,根据自己下载到的anaconda的文件名进行替换。
安装完成后需要对个人环境进行配置:
echo 'export PATH="~/anaconda3/bin:$PATH"' >> ~/.bashrc
source ~/.bashrc
需要将anaconda3替换成为自己的安装位置
4. 下载pytorch
到pytorch的官网上去下载pytorch 的包
一种是根据自己的需要,选择安装命令再终端中自动下载安装,但是国内环境较差,比如我这个连命令都刷不出来,所以选择离线安装的方式:
http://pytorch.org/previous-versions/
在此网页选择自己适合的安装文件
根据我个人的需要,选择了第一个离线包,然后用迅雷下载到了本地。切换到下载目录,然后执行以下命令:
pip install torch-0.2.0.post3-cp36-cp36m-manylinux1_x86_64.whl
至此,从nvidia显卡到cuda开发工具,anaconda, pytorch 安装完成
使用网友的脚本进行测试:
完工!
参考文献:
http://blog.csdn.net/liaodong2010/article/details/71482304
https://wiki.deepin.org/index.php?title=%E6%98%BE%E5%8D%A1
https://zhuanlan.zhihu.com/p/26871672