文章目录
安装系统
-
在https://ubuntu.com/download/desktop处下载Ubuntu映像, cuda8.0请选择Ubuntu 16, cuda9可以选择Ubuntu 18.
-
使用rufus刻录启动U盘, 为了保险起见建议使用DD引导方式.
-
启动盘制作完成后重启电脑进入U盘系统, 选择体验Ubuntu. 随后便可在图形化界面安装Ubuntu. 注意: 安装过程请全程断网, 如果是手动分区需要将挂载点"/"挂载到ext4分区才可正常安装系统.
-
安装完毕后拔掉U盘并重启系统, 随后进入新安装的Ubuntu系统中.
新系统配置
- 登陆后不要做多余的事, 直接为Ubuntu换源. 打开终端并输入如下语句:
sudo gedit /etc/apt/sources.list
- 前往https://mirror.tuna.tsinghua.edu.cn/help/ubuntu/根据Ubuntu系统版本将软件源镜像粘贴进sources.list文件中.
- 刷新
sudo apt-get update
sudo apt-get -f install
sudo apt-get upgrade
- 随后便可进行各种软件安装与更新, 注意屏蔽系统版本升级.
环境配置
PyCharm
请直接在Ubuntu的应用市场中安装, 注意应用市场可能假死或者无响应, 但其实安装进程正在进行, 不要盲目取消或者关闭, 会造成资源锁死.
Anaconda
下载
于Anaconda官网或清华源下载安装包, 注意选择Linux与Python3的版本.
安装
下载完成后利用终端进入下载目录手动安装sh *.sh
, 出现长篇版权说明时按q
跳过. 随后按提示完成安装即可.
Anaconda换源
在用户目录下的 .condarc 文件中添加(不要执行conda config --set show_channel_urls yes
):
channels:
- defaults
show_channel_urls: true
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
Cuda的安装与配置
建议先完成Cuda的安装, 再安装GPU驱动
预先准备
禁用nouveau
- 终端执行
sudo gedit /etc/modprobe.d/blacklist.conf
, 并在文件末尾添加如下代码:
blacklist nouveau
options nouveau modeset=0
- 终端执行
sudo update-initramfs -u
刷新. - 重启后Ubuntu默认显卡驱动将被屏蔽.
- 终端输入
lsmod | grep nouveau
如果无任何输出表示屏蔽成功.
卸载NVIDIA驱动
终端执行 sudo apt-get remove –purge nvidia*
自动卸载所有英伟达相关的驱动.
如果使用.run文件安装,使用–uninstall卸载
Cuda下载
- 前往https://developer.nvidia.com/cuda-toolkit-archive下载对应版本的Cuda文件.
- Cuda 9.2 请按照下图选择(无论是Ubuntu 16还是18):
Cuda安装
- 终端进入下载目录, 执行
sudo chmod a+x NVIDIA-Linux-x86_64-390.48.run
, 建议先改个短点的名字.
以下操作会导致电脑进入命令行模式.
- CTRL + ALT +F3进入命令行模式, 输入用户名密码进行登录.
- 进入run文件所在的目录, 执行
sudo sh *.sh -no-opengl-libs(或-files)
安装Cuda. 必须带有-no-opengl-libs
参数或是-no-opengl-files
参数, 否则无限重启. - 不要在此安装GPU驱动
- 一路Yes, 询问Xserver相关的记得选择No
- 重启, 成功登陆后进行Cuda的配置.
Cuda配置
- 终端执行
sudo gedit ~/.bashrc
- 在文件首添加并保存如下代码
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
- 终端执行
source ~/.bashrc
使环境变量生效. - 终端执行
nvcc -V
检查cuda是否正确安装, 将显示安装的Cuda版本(Cuda版本以此代码查询的结果为准).
GPU驱动的安装
GPU驱动的下载
前往https://www.nvidia.cn/Download/index.aspx?lang=cn根据实际型号自行选择并下载. 建议将文件名修改成简单的并移动到Home目录下.
GPU驱动的安装
以下操作会导致电脑进入命令行模式.
- 按Ctrl+Alt+F1进入命令行,输入用户名密码登录
- 终端输入
sudo service lightdm stop
, 无论返回是什么都无所谓. - 进入GPU驱动所在目录, 通过
sudo chmod a+x *.run
赋予可执行权限. - 通过执行
sudo sh *.sh –no-opengl-files
安装驱动. 按q
跳过版权说明. 必须带有-no-opengl-libs
参数或是-no-opengl-files
参数, 否则无限重启. 不要安装nvidia-xconfig相关的文件. - 重启, 成功登陆后终端执行
nvidia-smi
, 如果有显卡信息说明GPU驱动安装成功.
Cudnn的下载与安装
Cudnn的下载
前往https://developer.nvidia.com/rdp/form/cudnn-download-survey
登陆后下载对应Cuda版本的Cudnn.
Cudnn的安装
下载完毕后将文件解压到方便的地方, 进入到cuda所在的目录, 随后进入终端输入以下代码:
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
验证
-
GPU驱动验证: 终端输入
nvidia-smi
-
Cuda验证: 终端输入
nvcc -V
-
运行验证:
cd /usr/local/cuda/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
最后一句显示PASS
- Cudnn验证: 终端输入
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
安装PyTorch
终端输入conda install pytorch=0.4.1 cuda92 -c pytorch
即可
PyCharm选择Conda环境
- 选择Conda Environment.
- 选择Existing environment.
- Interpreter选择到Anaconda/bin目录下的python.exe
- Conda executable默认就好.
- 可勾选Make available to all projects.