ubuntu anaconda+pytorch-cpu或pytorch-gpu安装

1. 推荐大家用Anaconda的原因：

1.1 依赖项检查

• pip：
  不一定会展示所需其他依赖包。
  安装包时或许会直接忽略依赖项而安装，仅在结果中提示错误。
• conda：
  列出所需其他依赖包。
  安装包时自动安装其依赖项。
  可以便捷地在包的不同版本中自由切换。

1.2 环境管理

• pip：维护多个环境难度较大。
• conda：比较方便地在不同环境之间进行切换，环境管理较为简单。

1.3 对系统自带Python的影响

• pip：在系统自带Python中包的**更新/回退版本/卸载将影响其他程序。
• conda：不会影响系统自带Python。

1.4 适用语言

• pip：仅适用于Python。
• conda：适用于Python, R, Ruby, Lua, Scala, Java, JavaScript, C/C++, FORTRAN。

2. Anacond安装：

Anaconda和Python版本是对应的，所以需要选择安装对应Python2.7版本的还是Python3.7版本或其他版本的，根据自己的需要下载合适的安装包。

下载链接：https://www.anaconda.com/download/#linux
点击下面的64-Bit (x86) Installer (522 MB)，下载64位的版本。

下载完后的文件名是：Anaconda3-2020.02-Linux-x86_64.sh

cd到Anaconda3-2020.02-Linux-x86_64.sh所在的目录

执行bash Anaconda3-2020.02-Linux-x86_64.sh开始安装：

一直按回车直到如下界面，然后输入yes：

这里直接回车安装到默认路径，或者在>>>后输入自定义路径

等待安装进度条走完，然后出现下面的提示，yes是加入环境变量，no是不加入环境变量，这里我们以输入no为例

接下来手动加入环境变量，先cd到~，然后编辑.bashrc文件：sudo vim .bashrc

在最下面添加如下几行(注意.后有空格)：

# 区分anaconda python与系统内置python
alias python3="/usr/bin/python3.5" 
alias python2="/usr/bin/python2.7"
                                                            
. /home/cxd/anaconda3/etc/profile.d/conda.sh

然后按esc + : + wq!保存

输入source .bashrc来执行刚修改的初始化文档

下面输入conda env list来试试环境变量是否设置成功：

试试刚刚设置的使用内置python的命令：python2、python3

如果到这就结束的话，大家安装包的时候肯定会无比煎熬～这里需要将anaconda换一下源（加入清华源）：

然后我们创建一个名为pytorch的虚拟环境，发现报了下面的错误：

原因是我们没有清除上次安装留下来的源，输入sudo vim .condarc，修改该文件的内容（记得删除default那行）：

然后输入source .condarc，再次创建虚拟环境：

3. pytorch cpu版本安装：

打开pytorch官网：https://pytorch.org/

激活刚刚创建的虚拟环境：conda activate pytorch
在安装之前先添加下面这个源：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch
然后输入下面代码：conda install pytorch torchvision cpuonly -c pytorch

等到安装好后测试一下是否安装完成：

import torch
print(torch.__version__)

输出如下则安装成功：

4. pytorch-gpu安装

4.1GPU驱动安装

4.1.1 检测显卡类型

执行命令： ’ ubuntu-drivers devices’

== /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 ==
modalias : pci:v000010DEd00001C8Dsv00001028sd0000086Fbc03sc02i00
vendor   : NVIDIA Corporation
model    : GP107M [GeForce GTX 1050 Mobile]
driver   : nvidia-driver-390 - distro non-free
driver   : nvidia-driver-435 - distro non-free
driver   : nvidia-driver-440 - distro non-free recommended
driver   : xserver-xorg-video-nouveau - distro free builtin

== /sys/devices/pci0000:00/0000:00:14.3 ==
modalias : pci:v00008086d0000A370sv00008086sd000042A4bc02sc80i00
vendor   : Intel Corporation
model    : Wireless-AC 9560 [Jefferson Peak]
manual_install: True
driver   : backport-iwlwifi-dkms - distro free

大家可以看到，这里有个设备是GTX1050
推荐安装驱动是440

4.1.2 安装驱动

sudo ubuntu-drivers autoinstall

安装所有推荐驱动

sudo apt install nvidia-440

安装一个驱动

4.2 安装cuda

cuda安装需要对应合适的显卡驱动

下面是驱动和cuda的版本对应关系

Table 1. CUDA Toolkit and Compatible Driver Versions
CUDA Toolkit	Linux x86_64 Driver Version	Windows x86_64 Driver Version
CUDA 10.2.89	>= 440.33	>= 441.22
CUDA 10.1 (10.1.105 general release, and updates)	>= 418.39	>= 418.96
CUDA 10.0.130	>= 410.48	>= 411.31
CUDA 9.2 (9.2.148 Update 1)	>= 396.37	>= 398.26
CUDA 9.2 (9.2.88)	>= 396.26	>= 397.44
CUDA 9.1 (9.1.85)	>= 390.46	>= 391.29
CUDA 9.0 (9.0.76)	>= 384.81	>= 385.54
CUDA 8.0 (8.0.61 GA2)	>= 375.26	>= 376.51
CUDA 8.0 (8.0.44)	>= 367.48	>= 369.30
CUDA 7.5 (7.5.16)	>= 352.31	>= 353.66
CUDA 7.0 (7.0.28)	>= 346.46	>= 347.62

这是cuda下载链接

https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1804&target_type=runfilelocal

Installer Type选择第一第二个都可。但是要在获得cuda文件后先检测gcc版本

下面以第一个runfile(local)安装方式为例

4.2.1 安装gcc

linux一般会自带了gcc，我们先检测一下自己系统的gcc版本

gcc --version

而cuda的gcc依赖版本在官方文档的安装指南上会给出

如果版本和cuda依赖gcc不对应，就安装cuda需要的版本

sudo apt-get install gcc-7.0
sudo apt-get install g++-7.0

安装完成后需要更换系统gcc版本

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 50
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-7 50

选择需要的版本

sudo update-alternatives --config gcc


  选择       路径          优先级  状态
------------------------------------------------------------
* 0            /usr/bin/gcc-9   50        自动模式
  1            /usr/bin/g++-9   50        手动模式
  2            /usr/bin/gcc-7   50        手动模式

输入前面显示的编号即可

4.2.2 安装cuda

sudo sh cuda_你的版本_linux.run

4.2.3 配置环境变量

sudo vim ~/.bashrc

将下面的命令复制进去

export PATH=/usr/local/cuda-10.2/bin${PATH:+:$PATH}}     
export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

检查是否安装成功

nvcc -V

4.3.安装cudnn

https://developer.nvidia.com/cudnn

选择对应cuda的版本即可

然后将cudnn解压后的include和lib64文件夹复制到cuda中

sudo cp cuda/include/cudnn.h    /usr/local/cuda-10.2/include    #解压后的文件夹名字为cuda-10.2  
sudo cp cuda/lib64/libcudnn*    /usr/local/cuda-10.2/lib64
sudo chmod a+r /usr/local/cuda-10.2/include/cudnn.h   /usr/local/cuda-10.2/lib64/libcudnn*

4.4.安装pytorch-gpu

conda安装：

# 选择自己对应的cuda版本
conda install pytorch torchvision cudatoolkit=10.2

pip安装：

pip install torch torchvision -i  https://pypi.mirrors.ustc.edu.cn/simple