Chapter1 深度学习Pytorch环境搭建

目录

1.1 学习本专栏知识需要有前置知识作为铺垫

1.2 Pytorch环境布置

1.2.1 乌班图环境布置

 1.2.2 英伟达显卡驱动安装

1.2.3 如何查看你的电脑应该安装的CUDA+cuDNN版本 

1.2.4 CUDA+cuDNN安装 

1.2.5 安装pip 

1.2.6 安装pytorch 

 1.3 验证安装

---

1.1 学习本专栏知识需要有前置知识作为铺垫

①了解机器学习基本概念：下面放的链接是我写的机器学习入门博客供大家参考

机器学习入门https://blog.csdn.net/qq_41694024/category_12080259.html

②Python编程基础

③线性代数/概率论相关知识

④Linux编程经验

如果您还没有此类经验，为了更好的学习，请先学习预备知识！

1.2 Pytorch环境布置

1.2.1 乌班图环境布置

Pytorch在linux下运行，因此我们需要搭建双系统或者虚拟机。

windows、Ubuntu双系统安装教程https://blog.csdn.net/qq_41694024/article/details/125235869        上面的链接是我在配置双系统的时候遇到的诸多问题及解决，要是嫌麻烦也可以装虚拟机，对于乌班图版本呢，16.04与18.04皆可，我选择为18.04.5版本。（我的机器选16.04没有网卡驱动...）

 1.2.2 英伟达显卡驱动安装

命令行输入：

nvidia-smi

        如果是这样的就是安装成功了！

        如果报错，我们在软件更新里面寻找一个驱动下载安装即可：

1.2.3 如何查看你的电脑应该安装的CUDA+cuDNN版本 

         如何查看自己应该下的CUDA和cuDNN版本：打开NVIDIA控制面板，选择帮助，系统信息。

         我们记住这个驱动程序版本和NVCUDA64.DLL的信息。

         参考显卡驱动的Release Notes下载最适合自己电脑版本的CUDA：

CUDA下载地址https://developer.nvidia.com/cuda-toolkit-archive        cuDNN版本要选择和cuda对应版本的，其实这只是一个基于cuda的库，不需要安装，下载后的压缩包解压后是一些头文件，lib和dll文件。

cuDNN下载地址https://developer.nvidia.com/rdp/cudnn-download

        显卡GPU算力查询表如上：GTX3060 GPU算力8.6   ,即compute_86,sm_86  <CudaArchitecture>compute_86,sm_86</CudaArchitecture> 

1.2.4 CUDA+cuDNN安装 

        为了不出现麻烦的问题，我们选则下行稳定版进行安装：

        我电脑驱动程序版本为512.36，我选择CUDA10.1（驱动程序版本>418.39）进行安装，

CUDA10.1下载地址https://developer.nvidia.com/cuda-10.1-download-archive-base

         我们把deb文件下载到Ubuntu的桌面按照图示所选执行命令就可以进行安装啦！ 

cd /home/liuhongwei/Desktop

sudo dpkg -i cuda-repo-ubuntu1804-10-1-local-10.1.105-418.39_1.0-1_amd64.deb
sudo apt-key add /var/cuda-repo-<version>/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda

安装成功之后，需要配置一下环境变量。

        调出终端，输入：

sudo gedit .bashrc

        将以下三行代码粘贴到文本的末尾：

export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64:/usr/local/cuda/extras/CPUTI/lib64
export CUDA_HOME=/usr/local/cuda-10.1/bin
export PATH=$PATH:$LD_LIBRARY_PATH:$CUDA_HOME

        执行命令使上面的修改生效：

source ~/.bashrc

         验证安装：终端输入命令 nvcc -V 如图安装CUDA成功！

nvcc -V

         选择与CUDA10.1对应版本的cuDNN进行安装：

cuDNN Download cuDNN v7.6.5 (November 5th, 2019), for CUDA 10.1https://developer.nvidia.com/rdp/cudnn-archive

        我们把安装包放到乌班图的桌面，并使环境切换到桌面，输入以下命令：

cd /home/liuhongwei/Desktop

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

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*

1.2.5 安装pip 

sudo apt install python3-pip

1.2.6 安装pytorch 

pytorch官网https://pytorch.org/get-started/previous-versions/#conda-2        在pytorch官网上找到对应CUDA版本的安装命令：

pip install torch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1

        执行命令，等待安装完毕，如果您的时间足够则不用进行本节其他命令，等待上面这条指令执行完毕即安装成功，如果您觉得比较慢则可以按照下列步骤加速安装，但加速安装的前提是您的linux基础足够好！

        加速安装步骤：

        如果下载过慢也可直接用windows下载再用u盘放到linux下。

         执行命令：

sudo pip3 install torch-1.10.1-cp36-cp36m-manylinux1_x86_64.whl

        安装成功

        执行命令：

sudo pip3 install torchvision-0.11.2-cp36-cp36m-manylinux1_x86_64.whl

        然而又弹出了一个依赖需要安装：

         我们把numpy包下下来安装，成功！

sudo pip3 install numpy-1.19.5-cp36-cp36m-manylinux1_x86_64.whl

         继续安装上面的：

sudo pip3 install torchvision-0.11.2-cp36-cp36m-manylinux1_x86_64.whl

        还有依赖需要安装！

安装成功！

重新执行安装pytorch的代码：

pip install torch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1

         安装成功！

 1.3 验证安装

        我们建立一个python文件验证安装：

import torch


print(torch.__version__)
print(torch.version.cuda)

        我们运行它：