深度学习环境cuda+torch+tensorflow

安装包

1. VMware：

   链接:https://caiyun.139.com/m/i?175CkxFe1AkjN
   提取码:GkSk
   复制内容打开和彩云PC客户端，操作更方便哦

2. 镜像文件：

在VMware中安装Ubuntu 18

待补充

linux环境配置

安装miniconda

1. 安装：sh Miniconda3-4.6.14-Linux-x86_64.sh，一直enter，根据提示输入yes，最后会安装在当前目录下的/home/bigdata/miniconda3中
   

2. 验证是否安装成功：conda --version，如果显示找不到命令，表示环境变量还没有配置

3. 配置环境变量：在用户目录下，打开vim /home/bigdata/.bashrc文件，添加export PATH="/home/bigdata/miniconda3/bin:$PATH"，再source /home/bigdata/.bashrc 使修改生效

4. 添加清华镜像源：

   # 添加清华镜像源
   conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
   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/r
   conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
   conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
   
   # 移除默认的
   conda config --remove channels defaults
   
   #显示检索路径
   conda config --set show_channel_urls yes
   
   #显示镜像通道
   conda config --show channels
   

   

安装CUDA+cudnn

安装CUDA显卡驱动

参考连接（官网）

1. 准备工作，验证是否具有安装环境

（1）查看显卡的驱动版本以及支持的最大cuda版本：nvidia-smi ，可以看到是10.2版本
（2）是否有一个cuda功能的GPU：lspci | grep -i nvidia
（3）linux版本是否支持：uname -m && cat /etc/*release
（4）GCC是否安装：gcc --version
（5）系统安装了正确的内核头文件和开发包：uname -r

2. 下载CUDA安装包：

​ Release Notes :: CUDA Toolkit Documentation (nvidia.com)

​ CUDA Toolkit Archive | NVIDIA Developer

​ ppc64，ppc64le，ARM，AMD，X86，i386，x86_64（AMD64），AArch64的概念_ac.char的博客-CSDN博客_ppc64le

​ 下载命令： wget https://developer.download.nvidia.com/compute/cuda/10.2/Prod/local_installers/cuda_10.2.89_440.33.01_linux.run

# 下载命令(根据网页提示)：
wget https://developer.download.nvidia.com/compute/cuda/10.2/Prod/local_installers/cuda_10.2.89_440.33.01_linux.run

# 安装命令：
sudo sh cuda_10.2.89_440.33.01_linux.run

# 注意要输入accept，等会光标移到Driver项，enter键，取消选择（[ ]中为空，不要安驱动，否则会替换已有的驱动），然后光标移到install，enter键，开始安装

# 安装结束后，屏幕可以看到一下信息，这是cuda安装目录
-   PATH includes /usr/local/cuda-10.2/bin
-   LD_LIBRARY_PATH includes /usr/local/cuda-10.2/lib64, or, add /usr/local/cuda-10.2/lib64 to /etc/ld.so.conf and run ldconfig as root

3. 配置环境变量

​ 命令行输入命令sudo vim /etc/profile, 按下i键进入insert模式

export LD_LABRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.2/lib64
export PATH=$PATH:/usr/local/cuda-10.2/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.2

按下ESC键，：键，输入wq保存退出。输入命令source /etc/profile激活环境变量

4. 验证是否安装成功：nvcc -V

![在这里插入图片描述](https://img-blog.csdnimg.cn/bc44236d260b4c5b825b9411e0787569.png#pic_center)

安装cuDNN

1. 选择版本7.6.5，以及对应的CUDA10.2，登录(XXX)，下载

   ​ cuDNN Archive | NVIDIA Developer
   

2. 安装，切换到文件目录下，解压下载的文件，进行复制以及更改文件属性

   # 解压cudnn文件
   tar -xvf cudnn-10.2-linux-x64-v7.6.5.32.tgz
   
   # 将解压后的文件拷贝到CUDA对应的安装目录下（见上步安装CUDA，一般在/usr/local）,并更改文件属性
   sudo cp cuda/include/cudnn.h /usr/local/cuda-10.2/include/
   sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.2/lib64/
   
   # 为所有用户设置读取权限
   sudo chmod a+r /usr/local/cuda-10.2/include/cudnn.h /usr/local/cuda-10.2/lib64/libcudnn*
   
   

   

3. 查看cuDNN版本

   #  查看cudnn版本，前三个数字表示版本号7.6.5
   cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
   
   # 输出如下
   #define CUDNN_MAJOR 7
   #define CUDNN_MINOR 6
   #define CUDNN_PATCHLEVEL 5
   --
   #define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)
   
   #include "driver_types.h"
   
   # 如果是cudnn 8版本以上的使用下面命令
   cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
   

   

安装torch

1. 创建一个专属环境：conda create -n trafficJob python=3.8.13

2. 切换环境：conda activate trafficJob
   

3. 安装pytorch=1.12版本

   （1）在线安装： Previous PyTorch Versions | PyTorch

   # CUDA 10.2 
   conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=10.2 -c pytorch
   
   # CPU Only
   conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cpuonly -c pytorch
   

   （2）离线安装（torch=1.12版本未试过）：
   https://download.pytorch.org/whl/torch_stable.html
   https://download.pytorch.org/whl

   下载安装文件，注意cuda版本，python版本，以及系统
   查看torch与torchvision版本对应关系：https://github.com/pytorch/vision#installation
   pip install torch-1.10.0+cu102-cp37-cp37m-linux_x86_64.whl
   pip install torchaudio-0.10.0+cu102-cp37-cp37m-linux_x86_64.whl
   pip install torchvision-0.11.1+cu102-cp37-cp37m-linux_x86_64.whl

   

   安装：`pip install torch-0.4.1-cp37-cp37m-linux_x86_64.whl

   
   

4. 验证是否安装成功

   import torch
   torch.cuda.is_available()
   

   

5. 安装其他包

   pip安装时，下载较慢：
   pip install -i https://pypi.tuna.tsinghua.edu.cn/simple 包名

   清华：https://pypi.tuna.tsinghua.edu.cn/simple
   阿里云：http://mirrors.aliyun.com/pypi/simple/
   中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
   华中理工大学：http://pypi.hustunique.com/
   山东理工大学：http://pypi.sdutlinux.org/
   豆瓣：http://pypi.douban.com/simple/

   conda install numpy==1.23.1
   conda install pandas==1.2.4
   conda install scipy==1.9.0
   conda install tensorboardX==2.5.1