基于mmdetection构建目标识别的深度学习模型-环境准备

一、ubuntu 18.04.04安装

1.下载ubuntu的ISO文件
这一步相对简单，网络上面有很多的链接下载。这里贴一个ubuntu的官方网站链接，可以下载到ubuntu 18.04.04的iso文件。
ubuntu18.04.04下载
2.下载ultraiso工具
ultraiso工具可以用来制作U盘启动盘，下载完成后安装。
ultraiso工具下载
3.制作U盘启动盘
插入用来做启动盘的U盘（最好是usb3.0接口，16GB或以上），并清空里面的文件，打开安装好的UltraISO，点击继续试用按钮工作界面。详细步骤参考以下链接。
制作U盘启动盘步骤
4.给 Ubuntu 分配硬盘空间
这一步也可以在安装过程中分区的时候执行，不过最好安装前弄好，省得到时候出岔子需要从头开始，详细步骤参考以下链接。
Ubuntu 分配硬盘空间步骤
5.设置启动项
把制作好的U盘启动盘插入需要安装操作系统的那台电脑上面之后，重新启动或者开机。在电脑重新启动或者开机的一开始，按F12或者escape键进入BIOS系统设置启动项目为USB。
6.安装
在启动项目被设置为Ｕ盘启动后，电脑启动便会进入ubuntu的安装界面，请选择安装，然后就是一路的yes，直到看到如下界面，选择其他选项。

7.手动分区
在上一步中，如果选择了“其他选项”，那么这一步当中就需要合理规划分区。在ｌｉｎｕｘ系统中重要的分区有 /boot, /, /usr, /home，/var, /tmp, /swap等等。分区原则x详见如下链接。
分区链接
5.接下来按照提示安装即可。

二、GPU显卡驱动安装

在安装之前首先就是要禁用Nouveau的驱动，只有在禁用掉nouveau后才能顺利安装NVIDIA显卡驱动。
输入命令：`

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

在文件的最后面加入以下的内容:
blacklist nouveau
blacklist lbm-nouveau
options nouveau modeset=0
alias nouveau off
alias lbm-nouveau off

更新系统，然后关机重启，输入命令：

sudo update-initramfs -u

验证nouveau是否已禁用
检查操作是否成功：

lsmod | grep nouveau

没显示即成功。

1.标题检查你的操作系统。输入命令：`

uname -a

2.查看是否有GPU显卡。输入命令：

lspci | grep -i nvidia

3.检测你的NVIDIA显卡型号和推荐的驱动安装型号。输入命令：

ubuntu-drivers devices

4.安装驱动。输入命令：

sudo ubuntu-drivers autoinstall  

或者选择所需驱动安装。输入命令：

sudo apt-get install nvidia-driver-390

5.然后等待安装完成，重启系统就ok了。输入命令：

sudo reboot

6.最后检查是否安装成功：输入命令：

nvidia-smi

出现上图内容则表示安装成功。
7.查看安装的显卡的驱动信息。输入命令：

cat /proc/driver/nvidia/version

注：如果需要安装显卡的话，需要先将旧版本的显卡驱动卸载。输入命令：sudo apt-get remove --purge nvidia*

三、CUDA安装

因为后续会安装mmdetection2.0框架，要求的cuda版本是CUDA 9.2+，所以在此安装cuda10.0。

1.查看电脑的NVIDIA型号。输入命令：

lspci | grep -i nvidia

去官网查看显卡支持的cuda版本 CUDA Toolkit and Compatible Driver Versions
2.下载CUDA软件安装包，以cuda 10.0 为例。注意：官网进去是下载最新版的cuda。安装的文件建议放在根目录下面。cuda10.0版本连接
3.确认安装环境
1）NVIDIA显卡已经正常安装。
2）nouveau已经禁用。输入命令：

lsmod | grep nouveau

如果没有输出代表成功
3）验证系统是否安装了gcc。输入命令：

gcc --version

4.进入tty界面，按alt + ctrl + F1进入tty命令行界面,登录用户和密码
5.关闭图形界面，在tty中输入下面命令关闭图形界面：

sudo service lightdm stop

或

sudo telinit 3

要回到图形化界面输入

sudo telinit 5

6.运行cuda文件。
1）首先给cuda可执行权限。输入命令：

sudo chmod a+x cuda_10.0_linux.run

注：sudo 后面加的是下载的cuda存放的位置目录
2）运行cuda文件。输入命令：

sudo ./cuda_10.0_linux.run --no-opengl-libs

7.安装过程的选项选择
1). 会先有个阅读声明，一直按D即可，然后accept。
2). 选项install nvidia accelerated Graphics Driver,输入n，因为我们已经安装了nvidia的驱动。
3). 选项install the OpenGL libraries,如果双显卡(集显+独显)选择n，如果只有独显可以选择y，如果双显卡选择y的话，会出现黑屏或者循环登录的问题，如果加了上面的参数就不会出现这个选项了。
4). 后面的可以都选择yes，最后一个选项我们可以选择n,也就是不复制Samples，因为安装目录下有samples。
安装过程结束后会有以下信息：
Driver ：Installed
Toolkit ：Installed in /usr/local/cuda-10.0
Samples ：Installed in /home/…
代表安装完成，但是不代表成功。这时需要重启。
8.添加环境变量。输入命令：

sudo vim ~/.bashrc

文件最后添加如下内容：
export PATH="/usr/local/cuda-10.0/bin:$PATH"

export LD_LIBRARY_PATH="/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATH"

9.验证cuda是否安装成功
（1）输入命令：

nvcc -V

如果有CUDA的版本信息代表正常。
（2）编译samples例子
#编译并测试设备 deviceQuery。输入命令：

cd /usr/local/cuda-10.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

#编译并测试带宽 bandwidthTest。输入命令：

cd ../bandwidthTest
sudo make
./bandwidthTest

如果这两个测试的最后结果都是Result = PASS，说明CUDA安装成功啦。
注： 如果安装失败，有可能是缺少依赖。输入命令：

sudo apt-get install freeglut3-dev \
build-essential \
libx11-dev \
libxmu-dev \
libxi-dev \
libgl1-mesa-glx \
libglu1-mesa \
libglu1-mesa-de

四、cuDNN安装

1.cuDNN是GPU加速计算深层神经网络的库。首先去官网 https://developer.nvidia.com/rdp/cudnn-archive下载cuDNN，需要注册一个账号才能下载。
2.下载后进行解压。输入命令：tar -zxvf cudnn-10.0-linux-x64-v7.6.4-ga.tgz
3.进入cuDNN5.0解压之后的include目录，在命令行进行如下操作。
（1）输入命令

cd cuda/include
sudo cp cudnn.h /usr/local/cuda/include  #复制头文件

（2）再将进入lib64目录下的动态文件进行复制和链接：

cd ..
cd lib64
sudo cp lib* /usr/local/cuda/lib64/    #复制动态链接库
cd /usr/local/cuda/lib64/
sudo chmod +r libcudnn.so.7.6.4
sudo ln -sf libcudnn.so.7.6.4 libcudnn.so.7
sudo ln -sf libcudnn.so.5 libcudnn.so

终端输入：

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

如下显示即安装成功

五、anaconda 安装

1.下载anaconda。下载链接
2.运行sh文件。输入命令：`

bash Anaconda3-2020.02-Linux-x86_64.sh

（1）进入注册信息页面，输入yes
（2）阅读注册信息，然后输入yes；查看文件即将安装的位置，按enter，即可安装
（3）安装完成后，收到加入环境变量的提示信息，输入yes
（4）提示信息“Do you wish to proceed with the installation of Microsoft VSCode? [yes|no]”，输入no
3.重启终端，即可使用Anaconda3
4.若在终端输入 python，仍然会显示Ubuntu自带的python版本。配置环境变量。

输入命令：

sudo gedit ~/.bashrc

文件最后添加如下：
export PATH="/home/xxx/anaconda3/bin:$PATH"

输入命令：

source ~/.bashrc

注：要添加的，命令换成自己的路径

六、pytorch安装

因为后续会安装mmdetection2.0框架，要求的pytorch版本是1.3+，所以在此安装pytorch 1.4版本
1.创建虚拟环境。输入命令：

conda create -n mmdetection python=3.7

2.激活环境。输入命令：

conda activate mmdetection

3.安装pytorch。输入命令：

conda install pytorch torchvision cudatoolkit=10.0 -c pytorch

参考链接：
[1]: https://blog.csdn.net/baidu_36602427/article/details/86548203
[2]: https://blog.csdn.net/qq_43030766/article/details/91382868
[3]: https://blog.csdn.net/wf19930209/article/details/81879514
[4]: https://blog.csdn.net/wf19930209/article/details/81879514