深度学习学习经验——Ubuntu中配置pytorch环境

为什么要学习使用深度学习？

在如今飞速发展的科技领域，深度学习已经成为了一项不可忽视的关键技术。无论是数据科学家、工程师，还是研究人员，学习深度学习都显得尤为重要。那么，为什么我们要学习深度学习呢？本文将从多个方面探讨深度学习的重要性以及它对个人职业发展和社会进步的影响。

1. 解决复杂问题的能力

深度学习的一个显著优势在于其强大的问题解决能力。它能够处理传统方法难以应对的复杂问题，如图像识别、自然语言处理和语音识别等。通过学习深度学习，你将掌握这些技术，并能将其应用到各种实际场景中，从医疗诊断到自动驾驶，深度学习的能力无处不在。

2. 职业发展与竞争力的提升

深度学习是当前科技领域的前沿技术之一。掌握这一技能可以大幅提升你的职业竞争力。对于数据科学家、机器学习工程师以及研究人员来说，深度学习技术不仅会让你在求职市场上更具吸引力，还能为你打开更多高薪职位的大门。

3. 推动技术创新

深度学习在推动技术创新方面发挥了重要作用。学习深度学习使你有机会参与前沿科技的开发，甚至可能创造出全新的技术或产品。这不仅提升了个人的职业成就感，还能为社会带来显著的创新价值。

4. 跨学科应用的广泛潜力

深度学习的应用远不止于计算机科学领域，它在金融、医疗、制造业、艺术、教育等各个领域都有着广泛的影响。学习深度学习能够让你将这一技术应用到你所处的领域中，推动该领域的发展与进步。

5. 应对数据爆炸的需求

随着数据量的爆炸式增长，从海量数据中提取有价值的信息变得尤为关键。深度学习在大数据分析中的应用能够有效地从数据中提取信息和模式，从而做出更加智能的决策。掌握深度学习，你将在数据驱动的时代更好地应对这些挑战。

6. 培养创新思维

深度学习不仅仅是一种技术，它还是一种思维方式。通过学习深度学习，你可以培养出创新的解决问题的思维方式，理解如何从数据中发现规律，并将其应用到实际问题中。这种思维方式在处理不确定性和复杂系统时尤为有用。

7. 推动人工智能的发展

人工智能的进步高度依赖于深度学习技术。学习深度学习将使你有机会参与人工智能的发展，助力未来智能系统的创新和应用。不论是在学术研究还是工业实践中，掌握深度学习都是一项不可忽视的重要能力。
在ubuntu内配置深度学习的环境

环境要求：

python3.10

pytorch

显卡驱动

cuda

anaconda

从官网下载（参考： http://t.csdnimg.cn/5CWjX ）

下载地址传送门：

官网首页：https://www.anaconda.com/
官网下载页：https://www.anaconda.com/products/individual#Downloads

直接选择相应的installer即可

安装python3.10

在 Ubuntu 中，可以通过 Anaconda 创建一个 Python 3.10 的 Conda 虚拟环境。以下是详细步骤：

1. 打开终端：

   打开你的终端（Terminal）。

2. 进入conda（如果终端中用户左边没有出现(base)）

   使用以下命令进入conda环境

   cd ~
   source anaconda3/bin/activate
   

3. 创建 Conda 虚拟环境：

   使用以下命令创建一个新的虚拟环境，并指定 Python 版本为 3.10：

   conda create -n myenv python=3.10
   

   其中，myenv 是你为虚拟环境指定的名字，可以根据需要更改。

4. 激活虚拟环境：

   创建完成后，激活你的虚拟环境：

   conda activate myenv
   

5. 安装所需的包（pytorch）：

   如果需要安装其他 Python 包，可以在激活的虚拟环境中运行：

   conda install pytorch
   

6. 查看虚拟环境列表（可选）：

   查看所有的 Conda 虚拟环境可以运行：

   conda env list
   

7. 退出虚拟环境（可选）：

   当完成工作后，可以退出虚拟环境：

   conda deactivate
   

如果在使用 Conda 创建或管理虚拟环境时遇到问题，或者有其他问题，请告诉我！

安装cuda和显卡驱动

1. 添加 NVIDIA 软件包存储库

首先，添加 NVIDIA 的软件包存储库，以便通过 apt 安装 CUDA。

sudo apt update
sudo apt install -y gnupg2 curl
curl -s https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin | sudo tee /etc/apt/preferences.d/cuda-repository-pin-600

接着，添加 CUDA 软件源：

sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/3bf863cc.pub
sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/ /"

注意：如果使用的不是 Ubuntu 20.04，请将 ubuntu2004 替换为的 Ubuntu 版本。例如，对于 Ubuntu 22.04 使用 ubuntu2204。

2. 更新软件包列表

添加了软件源之后，更新您的软件包列表：

sudo apt update

3. 安装 CUDA

现在可以通过 apt 安装 CUDA。这里有几种安装选项，取决于需要安装的 CUDA 版本：

• 安装最新版本的 CUDA Toolkit：

  sudo apt install -y cuda
  

• 安装特定版本的 CUDA Toolkit：

  如果需要安装特定版本的 CUDA（例如 CUDA 11.8），可以使用：

  sudo apt install -y cuda-11-8
  

4. 配置环境变量

与手动安装一样，您需要将 CUDA 的路径添加到环境变量中：

编辑 ~/.bashrc 文件：

nano ~/.bashrc

在文件末尾添加以下行：

export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

保存并退出编辑器，然后运行：

source ~/.bashrc

5. 验证安装

可以通过检查 CUDA 版本来验证安装是否成功：

nvcc --version

6. 安装 NVIDIA 驱动程序（可选）

如果尚未安装 NVIDIA 驱动程序，可以通过以下命令进行安装：

sudo ubuntu-drivers autoinstall
sudo reboot

7. 测试 CUDA

您可以通过编译和运行示例程序来测试 CUDA 是否正常工作：

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

如果安装成功，将看到设备查询的输出信息。

通过上述步骤，可以使用包管理器来安装 CUDA，这样会更容易管理和更新 CUDA 版本。

到此配置环境的部分已经完成