在家搭建Deepin15.11+cuda10.1+cudnn+pytorch

Deepin15.11+cuda10.1+cudnn+pytorch深度学习环境搭建

硬件篇

由于疫情这个特殊的时期，在家也不能不学习啊。
先说一下家里台式机的捡垃圾配置：
cpu：AMD x4 600e（可超频）
微星主板
硬盘：120g 固态 500g 机械
显卡：NVIDIA gtx 750 1g（一定要是NVIDIA显卡，如果不是下面都不用看了）
去NVIDIA官网查看显卡计算能力对应表~~，750还不错有个5.0~~

深度学习环境搭建篇

1.系统选择与安装

无非是windows和linux这两个选择，由于之前在实验室win10上测试程序总是有莫名其妙的错误，所以果断选择Linux系统。前段时间被国产深度系统Deepin安利到，感觉不错尝试一下。（Ubuntu16.04我也试了下，存在很多问题，后面总结。）
首先去官网下载镜像，我安装的是最新版的15.11（gw）。再去下个制作启动盘的软件，并准备一个4G左右的U盘。官方带的不好用我用的是UltraISo。
A.打开UltraISO，选择镜像文件。

B.点击启动，写入硬盘映像。



C.写入镜像完成后，开始给Deepin系统分配磁盘空间，右击“我的电脑”选择管理，选择磁盘管理。找一个空间多点的磁盘压缩出一个新的盘符出来一个确认下一步。

D.开始安装Deepin，选择刚刚压缩出来的盘符，一直下一步。（这边装好了所以显示是Deepin系统），之后就是“一杯咖啡”的等待。

E.更换阿里源
打开终端，sudo su 进入root用户

nano /etc/apt/sources.list

将文件中原来的地址替换为https://mirrors.aliyun.com/deepin/

Ctrl+O 保存 ctrl+X 退出

sudo apt-get update
sudo apt-get upgrade

更新软件包

2.NVIDIA驱动安装

众所周知在windows上安装NVIDIA驱动是一件简单的事，在Linux上安装NVIDIA驱动是一件“快乐”的事。（生命不息折腾不止）

lspci | grep -i nvidia
uname -m && cat / etc / * release
gcc --version
uname -r

查看Deepin的内核4.15，gcc 是6.3所以是介于Ubuntu16.04和Ubuntu18.04之间。
A. NVIDIA驱动安装（闭源安装）
首先去NVIDIA官网下载适配显卡驱动。我选择的是短寿命的435版本的驱动（后续需要安装pytorch，官网上支持cuda10.1，所以这里不选择最新的440版本，不准备安装cuda10.2）


需要在安装驱动之前首先禁止nouveau驱动，在Deepin中运行以下命令：

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

然后在打开的blacklist.conf文件中添加如下内容：

blacklist nouveau
options nouveau modeset=0

然后执行命令：

sudo update-initramfs -u

一直等到检测结束，退出重启电脑，重新启动后验证是否成功，运行以下命令：

lsmod | grep nouveau

如果无输出内容即为禁止成功。
B.开始安装驱动
1、如果之前在Deepin中安装过NVIDIA驱动，请将其全部删除(如果没有请忽略)：

sudo apt autoremove  nvidia-*

2、重启系统。

sudo reboot

3、使用快捷键CTRL+ALT+F2进入终端。
4、暂时关闭图形界面：

sudo service lightdm stop

5、给下载好的nvidia驱动文件设置执行权限:(这边我将文件名改成435方便运行,lsj是我的用户名)

sudo chmod a+x  /home/lsj/Downloads/435.run

6、驱动安装(根据个人情况选择驱动文件所在目录)：

sudo  sh  /home/lsj/Downloads/435.run

（kms 选no ；X diver 选yes；32bit安装 选yes。）
7、重启系统：

sudo reboot

重启打开终端输入nvidia-smi

如图显示安装成功

3.安装cuda10.1

A.安装cuda的历史版本（histroy）
这边我选择如下：

反复失败好多次按默认方法安装不行，一直报错卡了我好久，需要在对应位置创建文件赋予权限，或者直接更改整个/home文件夹权限

sudo chmod 777 ~/* -R

并且按照以下命令安装到对应路径（例如我在主目录下新建./opt/cuda10.1），尤其是–no-opengl-libs不要安装opengl。

sudo bash cuda_10.1.168_418.67_linux.run --silent --toolkit --toolkitpath=$HOME/opt/cuda10.1 --defaultroot=$HOME/opt/cuda10.1 --samples --samplespath=$HOME/ --no-opengl-libs

B.添加cuda10.1进入环境变量
首先在系统文件路径/usr/local/下创建 cudatoolkit10.1 link链接

sudo ln -s ~/opt/cuda10.1 /usr/local/

再打开终端

nano .bashrc

文件尾部加入添加以下命令

CUDA_HOME=/usr/local/cuda10.1/
export PATH=$PATH:$CUDA_HOME/bin/
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CUDA_HOME/lib64

最后使之生效

source .bashrc

C.验证cuda

cd ~/NVIDIA_CUDA-10.1_Samples/1_Utilities/deviceQuery

make

报错，g++未安装的问题,安装g++:

sudo apt-get install g++

再输入，如下所示，则安装成功

./deviceQuery

4、安装cudnn7.6.5(7.6.4亦可)

参考（ck）
官网（cudnn）注册下载
下载完对应所在目录解压，并复制到cuda目录下

tar zxvf cudnn-10.1-linux-x64-v7.6.5.32.tgz -C ./

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*

查看版本：

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

5、安装anaconda3

在清华源镜像下载anaconda3的软件包()我选的是Anaconda3-2019.10-Linux-x86_64.sh版本,下载好后用bash命令安装即可，
添加path

nano /etc/profile
export PATH=~/anaconda3/bin:$PATH
source /etc/profile

这里不建议更换conda清华源，安装还是有些问题。

5、安装pytorch

官网提示

conda install pytorch torchvision cudatoolkit=10.1

安装完是CPU版本的，下载*.whl文件安装

https://download.pytorch.org/whl/cu101/torch_stable.html

我选择的是（搭建的环境是py3.6）torch-1.4.0-cp36-cp36m-linux_x86_64.whl
下完后用pip安装
安装完测试

import torch
import torchvision

报错，pip install torch torchvision安装，再次查看是否能用GPU

torch.cuda.is_available()
torch.cuda.device_count()
torch.cuda.get_device_name(0)

如上输出，则全部安装成功。
TIPS：1、之前有考虑过Ubuntu16.04，如果你是中文版tty2下显示路径变成乱码，花时间搞成英文不如重装系统。
2、安装cuda的时候，它会提示/boot分区没有空间。很神奇。
3、不要选择cuda自带的nvidia驱动安装，我失败过好多次，而且一定要先安装驱动再安装cuda。