Linux centos 7 深度学习环境搭建（GPU版）

1、首先，需要安装显卡驱动

以我的机器RTX 3080为例，先到nvidia驱动官网检索符合自己版本的显卡驱动

nvidia 驱动官网：官方 GeForce 驱动程序 | NVIDIA

所有驱动版本：Index of /XFree86/Linux-x86_64

驱动版本不建议选择最新的，因为后续要选择相应的cuda版本进行适配，这个后面再说。

我选择的版本为 NVIDIA-Linux-x86_64-470.74.run

下载完成后是.run文件，直接sh 命令运行

sh NVIDIA-Linux-x86_64-470.74.run

使用nvidia-smi查看驱动是否安装成功。也可使用cat /proc/driver/nvidia/version来查看GPU驱动版本。

安装完驱动需要reboot，如果图像界面出现问题，则需要进入命令行模式查看原因，这里不多说具体问题再进行搜索。

2、cuda 版本选择

cuda版本要和显卡驱动的版本对应

具体的对应关系可以查看： Release Notes :: CUDA Toolkit Documentation

3、Anaconda 安装

Anaconda指的是一个开源的 Python 发行版本，其包含了 conda 、Python等180多个科学包及其依赖项。

我们依靠conda创建虚拟环境，这样比直接在机器上直接进行环境配置要好，conda 可以使得多种不同的环境并存，可以使一个框架的不同版本并存，非常的方便。

（1）anaconda需要选择与本机python版本对应

对应关系可以查看2021年Anaconda版本对应python版本_Non-existent987的博客-CSDN博客_anaconda版本

以及原网站：Old package lists — Anaconda documentation

Anaconda 下载官网：Anaconda | Anaconda Distribution

​

在确定了相应的版本后，不建议在其官网下载，速度较慢可以在清华源下载

Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

 下载完成后执行安装命令

bash Anaconda3-2020.11-Linux-x86_64.sh

按照安装提示操作，一路yes下去，其中

Do you wish the installer to initialize Anaconda3 by running conda init?是配置环境变量

安装完成

source ~/.bashrc

如果需要多用户使用 需要将anaconda初始化时，写入到 ~/.bashrc 文件中的内容复制到 /etc/bashrc 文件中(此处仅为示例，请复制本机对应文件中的相应内容)，最后sorce /etc/bashrc

# >>> conda initialize >>>
# !! Contents within this block are managed by 'conda init' !!
__conda_setup="$('/opt/anaconda3/bin/conda' 'shell.bash' 'hook' 2> /dev/null)"
if [ $? -eq 0 ]; then
    eval "$__conda_setup"
else
    if [ -f "/opt/anaconda3/etc/profile.d/conda.sh" ]; then
        . "/opt/anaconda3/etc/profile.d/conda.sh"
    else
        export PATH="/opt/anaconda3/bin:$PATH"
    fi
fi
unset __conda_setup
# <<< conda initialize <<<

3、conda安装虚拟环境

(1)创建环境，python版本可以指定

conda create --name 你的环境名 python==3.6.6

（2）查看已有环境

conda env list

（3）激活环境

conda activate 你的环境名

（4）安装pytorch

进入pyotch官网2021年Anaconda版本对应python版本_Non-existent987的博客-CSDN博客_anaconda版本

根据系统版本和cuda版本选择（cuda版本一定要和GPU显卡驱动适配！！！！！！！）

​

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

一般来说做图像处理，需要这两个就够pytorch torchvision，如果不做音频处理可以不用加torchaudio

因为是国外镜像，如果下载不了可以在conda加入清华源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
#显示检索路径

conda config --set show_channel_urls yes

 使用命令（去掉了-c pytorch）

conda install pytorch torchvision torchaudio cudatoolkit=11.3

至此pytoch 以及相应的cuda，cudnn安装成功

4、判断pytorch是否可以

import torch   # 能否调用pytorch库

print(torch.cuda.current_device())   # 输出当前设备（我只有一个GPU为0）
print(torch.cuda.device(0))   # <torch.cuda.device object at 0x7fdfb60aa588>
print(torch.cuda.device_count())  # 输出含有的GPU数目
print(torch.cuda.get_device_name(0))  # 输出GPU名称 --比如1080Ti
x = torch.rand(5, 3)
print(x)  # 输出一个5 x 3 的tenor(张量)
 

附带一个怎么在pycharm 中使用conda环境中的pytorch

pytorch的安装及其在pycharm中的使用_Kerin637的博客-CSDN博客_pycharm使用pytorch