Ubuntu配置深度学习环境

一、安装CUDA

1. 查看驱动

nvidia-smi
或者
cat /proc/driver/nvidia/version

2. 安装cuda
   cuda下载地址

sudo sh cuda_10.2_linux.run

继续

在接受许可之后，不选择驱动，然后选择安装

3. 查看cuda版本

cat /usr/local/cuda/version.txt

4. 测试CUDA的Samples

cd  /usr/local/cuda-10.2/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
# 测试通过会显示PASS

5. 切换cuda版本

# 在多个cud版本切换时
sudo rm -rf /usr/local/cuda  #删除之前生成的软链接
sudo ln -s /usr/local/cuda-10.0 /usr/local/cuda #生成新的软链接
cat  /usr/local/cuda/version.txt#查看当前cuda的版本

6. 配置环境环境

sudo gedit /etc/profile
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64$LD_LIBRARY_PATH
export PATH=/usr/local/cuda/bin:$PATH

sudo gedit ~/.bashrc
export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_HOME=/usr/local/cuda

7. 卸载cuda

sudo /usr/local/cuda-10.0/bin/uninstall_cuda-10.0.pl

二、安装CUDNN

cudnn下载地址

# 下载并解压cudnn
# 将库文件复制到对应的cuda目录
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 /usr/local/cuda/lib64/libcudnn*
# 查看cudnn版本
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

三、安装Anaconda

1. 安装Anaconda
   Anaconda下载地址

bash Anacondaxxx.sh

按回车继续

输入yes接受许可

输入yes使conda在打开终端时自启动

也可以打开.bashrc文件

sudo gedit ~/.bashrc

添加命令取消conda初始化

conda deactivate

2. 查看conda的环境

conda info --env
conda info -e

四、安装Pytorch

1. 创建虚拟环境：python版本为X.X、名字为your_env_name

conda create -n your_env_name python=X.X
conda create -n pytorch1.5 python=3.7

2. 激活虚拟环境

conda activate pytorch1.5

3. 下载Pytorch和torchvision
   清华镜像下载地址
   官方下载地址
   torch和torchvision对应关系
   安装命令查询

#离线安装pytorch
conda install pytorch-1.5.0-py3.7_cuda10.1.243_cudnn7.6.3_0.tar.bz2
#离线安装补充的pytorch库文件
conda install numpy pyyaml mkl cmake cffi

#在线安装指定版本的pytorch
conda install pytorch=1.5.0 cudatoolkit=10.1 torchvision=0.6.0 -c pytorch
conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=10.2 -c pytorch

4. 测试pytorch安装成功(返回True)

import torch
torch.__version__
torch.cuda.is_available()
torch.cuda.current_device()  # 查看显卡数
torch.cuda.get_device_name()  # 查看显卡名

四、安装Paddle

1. 离线安装Paddlepaddle

#下载paddlepaddle-gpu-2.1.1-py39_gpu_cuda10.1_windows.tar.bz2
conda install paddlepaddle-gpu-2.1.1-py39_gpu_cuda10.1_windows.tar.bz2
pip install astor decorator==4.4.2 gast==0.3.3 Pillow protobuf requests six numpy==1.19.2

2. 测试

进入python解释器
python
import paddle
paddle.utils.run_check()

出现PaddlePaddle is installed successfully!

五、安装Tensorflow

清华镜像下载地址
源版本
CPU版本
GPU版本
aarch64版本

pip install tensorflow_xxx.whl