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。
在这里插入图片描述

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

在这里插入图片描述
执行bash Anaconda3-2020.02-Linux-x86_64.sh开始安装:
在这里插入图片描述
一直按回车直到如下界面,然后输入yes:
在这里插入图片描述
这里直接回车安装到默认路径,或者在>>>后输入自定义路径
在这里插入图片描述
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
在这里插入图片描述
接下来手动加入环境变量,先cd到~,然后编辑.bashrc文件:sudo vim .bashrc

在这里插入图片描述
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
在这里插入图片描述
输入source .bashrc来执行刚修改的初始化文档
在这里插入图片描述

下面输入conda env list来试试环境变量是否设置成功:
在这里插入图片描述
试试刚刚设置的使用内置python的命令:python2、python3
在这里插入图片描述
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):
在这里插入图片描述
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:
在这里插入图片描述
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):
在这里插入图片描述
然后输入source .condarc,再次创建虚拟环境:
在这里插入图片描述

3. pytorch cpu版本安装:

打开pytorch官网:https://pytorch.org/

在这里插入图片描述
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

在这里插入图片描述

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:

在这里插入图片描述

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
在这里插入图片描述

在这里插入图片描述

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

在这里插入图片描述

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

在这里插入图片描述

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
  • 5
    点赞
  • 21
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 1. 首先,确保您的计算机已经安装了NVIDIA显卡驱动程序。您可以通过运行以下命令来检查: ``` nvidia-smi ``` 如果您看到了显卡信息,说明您已经安装了驱动程序。 2. 接下来,您需要安装CUDA工具包。您可以从NVIDIA官网下载适合您的CUDA版本,并按照官方文档进行安装。 3. 安装cuDNN库。您可以从NVIDIA官网下载适合您的cuDNN版本,并按照官方文档进行安装。 4. 确保您的计算机已经安装Anaconda或Miniconda。您可以从官方网站下载并安装。 5. 打开终端,创建一个新的conda环境: ``` conda create --name pytorch-gpu python=3.7 ``` 6. 激活新环境: ``` conda activate pytorch-gpu ``` 7. 安装pytorch-gpu: ``` conda install pytorch torchvision torchaudio cudatoolkit=<your_cuda_version> -c pytorch ``` 其中,<your_cuda_version>是您安装的CUDA版本号。 8. 安装其他必要的库: ``` conda install matplotlib pandas jupyter notebook ``` 9. 安装完成后,您可以在新环境中使用pytorch-gpu了。您可以通过运行以下命令来测试: ``` python -c "import torch; print(torch.cuda.is_available())" ``` 如果输出为True,则说明您已经成功安装pytorch-gpu。 ### 回答2: 要在Ubuntu 18.04上安装PyTorch GPU,您需要遵循以下步骤: 步骤1:安装CUDA 安装PyTorch GPU需要CUDA。按照下面的步骤安装CUDA: a) 添加PPA存储库: $ sudo add-apt-repository ppa: graphics-drivers/ppa $ sudo apt-get update b) 安装nvidia驱动程序和CUDA: $ sudo apt-get install nvidia-driver-435 $ sudo apt-get install nvidia-cuda-toolkit 步骤2:安装cuDNN cuDNN是NVIDIA深度神经网络库,提供GPU加速的功能。 a)从NVIDIA官方网站下载cuDNN的Deb文件。 b)解压缩下载的文件并将其复制到CUDA的安装目录下: $ sudo dpkg -i libcudnn7*.deb $ sudo cp -r /usr/src/cudnn_samples_v7/ $ HOME $ cd $ HOME/cudnn_samples_v7/mnistCUDNN $ make clean && make $ ./mnistCUDNN 步骤3:安装PyTorch a)安装Anaconda环境,这将帮助您管理您的Python环境。 b)创建一个名为"ml"的conda环境: $ conda create -n ml anaconda python=3.6 c)启用conda环境: $ source activate ml d)安装PyTorch: $ conda install pytorch torchvision cudatoolkit=10.1 -c pytorch 步骤4:测试您的PyTorch GPU安装 a) 启用conda环境: $ source activate ml b) 进入Python shell: $ python c)验证您的PyTorch GPU是否启用: import torch print(torch.cuda.is_available()) 如果 省略了CUDA和cuDNN,则会输出“False”,如果 安装正确,则会输出“True”。 这就是在Ubuntu 18.04上安装PyTorch GPU的过程。 ### 回答3: PyTorch是深度学习领域中最流行的框架之一,它提供了GPU加速计算的能力以加快训练速度和提高模型的准确性。Ubuntu 18.04是一种流行的Linux操作系统,可以在其上运行PyTorch GPU版本来发挥更强大的计算能力。 以下是在Ubuntu 18.04上安装PyTorch GPU的步骤: 1. 在安装PyTorch GPU之前,需要确保已安装英伟达显卡驱动程序。在Ubuntu终端中输入以下命令来安装驱动程序: sudo apt-get install nvidia-driver-410 注意:410是驱动程序的版本号,这可能会因您的显卡型号而有所不同。 2. 安装CUDA工具包。PyTorch需要CUDA来执行GPU加速计算。在安装CUDA之前,需要检查计算设备是否与CUDA兼容。在终端中输入以下命令: lspci | grep -i nvidia 如果输出显示英伟达显卡,则说明您的设备与CUDA兼容。 在安装CUDA之前,需要下载相应的安装程序: wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-10-0_10.0.130-1_amd64.deb 接着,运行以下命令安装CUDA: sudo dpkg -i cuda-10-0_10.0.130-1_amd64.deb 安装完成后,将CUDA添加到环境变量中,运行以下命令: echo 'export PATH=/usr/local/cuda-10.0/bin:$PATH' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc source ~/.bashrc 3. 安装cuDNN库。cuDNN是一个GPU加速库,可以进一步加速计算。在下载cuDNN库之前,需要注册NVIDIA开发者网站并下载相应版本的cuDNN库。 运行以下命令安装cuDNN: tar -xzvf cudnn-10.0-linux-x64-v7.4.1.5.tgz sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda-10.0/lib64/ sudo cp cuda/include/cudnn.h /usr/local/cuda-10.0/include/ 4. 安装PyTorch GPU。在终端中输入以下命令安装PyTorch GPU: pip3 install torch torchvision 安装完成后,运行以下代码测试PyTorch是否成功安装设备: import torch if torch.cuda.is_available(): print('CUDA is available') else: print('CUDA is not available') 这个命令行代码应该输出`CUDA is available`,表明PyTorch可以在GPU设备上进行计算。 以上就是在Ubuntu 18.04上安装PyTorch GPU的步骤。在安装过程中,如果遇到任何问题,请仔细检查您的系统和环境变量设置。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值