从安装Ubuntu双系统到配置深度学习环境

学习前言

最近在搭载深度学习环境花了好几天时间，踩了不少坑，于是打算记录一下。

第一次写博客，写的不好大家见谅，嘻嘻~

1、我的电脑配置

联想拯救者R9000P游戏本，32G内存，512G，GeForce RTX3070。

2、安装Ubuntu20.04双系统

1、下载Ubuntu系统镜像

在https://cn.ubuntu.com/download下载Ubuntu系统镜像，这里我下载的是20.04版本。

2、下载安装镜像工具

在Win32 Disk Imager download | SourceForge.net下载安装镜像工具。

3、制作Ubuntu安装盘

打开软件Win32DiskImager，准备一个U盘（提前把里面资料备份好），将镜像文件写入U盘中。

4、磁盘分区

首先右击此电脑，点击管理，然后磁盘管理，可以看到磁盘分布，点击压缩卷，压缩空间量即是安装Ubuntu的空间，我这里是压缩了150g给Ubuntu系统使用，这里按自己的具体情况来。

5、查看磁盘格式

首先右击此电脑，点击管理，然后磁盘管理，右键点击你想安装Ubuntu的磁盘（灰色的部分），点击属性，再点击卷，即可查看磁盘分区形式。

6、GPT分区安装Ubuntu

重启电脑，然后狂按F2（不同电脑是不同滴，自己可以上网查查）。

1、进入BIOS

2、设置secure boot为Disabled

3、确定USB Boot为Enabled

4、插入U盘，重启后选择U盘作为启动

5、开始安装（其中最重要的就是分区过程），由于我已经安装完了，没有留图，这里推荐一个安装视频，很详细。网址：Windows 和 Ubuntu 双系统从安装到卸载_哔哩哔哩_bilibili

3、Nvidia显卡驱动安装

1、查看GPU型号

lspci | grep -i nvidia

2、下载NVIDIA驱动

进入官网，根据自己显卡型号选择NVIDIA驱动版本，本文下载的版本是NVIDIA-Linux-x86_64-470.86.run

3、卸载原有驱动

sudo apt-get remove --purge nvidia*

4、禁用nouveau

sudo gedit /etc/modprobe.d/blacklist.conf 

在打开的blacklist.conf末尾添加

blacklist nouveau

options nouveau modeset=0

保存好之后，在终端输入

sudo update-initramfs –u

等待结束后重启电脑，重启后在终端输入如下，没有任何输出表示屏蔽成功

lsmod | grep nouveau

5、进行安装NVIDIA驱动

安装之前保证BIOS设置中的Secure Boot是关闭状态。

进入NVIDIA下载保存的位置，选择在终端打开

执行以下指令：

sudo chmod +x NVIDIA-Linux-x86_64-470.86.run
sudo bash NVIDIA-Linux-x86_64-470.86.run

遇到以下提示，选择Continue installation；

 如果出现什么需要签名的提示，就说明Secure Boot没有关闭。

下图表示正在安装

 下图选择Yes

 下图选择Yes

点击ok

 安装完成，重启电脑运行。

打开终端，输入nvidia-smi，如果显示如下图所示，则说明驱动安装成功。

4、CUDA安装

先登录CUDA Toolkit Archive | NVIDIA Developer下载你需要的CUDA版本，我这里下载的是11.0.

 选好后下载run版本的，官方给出了安装的脚本，两行就能安装完

wget https://developer.download.nvidia.com/compute/cuda/11.0.3/local_installers/cuda_11.0.3_450.51.06_linux.run
sudo sh cuda_11.0.3_450.51.06_linux.run

 选择要安装哪些东西。因为驱动我们已经安装过，所以第一个不选，其他几个主要是用于cuda开发，如果不需要就可以不选。

安装完毕后，还需要在.bashrc内把cuda的目录加入到PATH中，否则的话系统找不到CUDA。

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

 在命令行中输入以下代码即可更新环境。

source ~/.bashrc

在终端输入nvcc，如果能打印出nvcc的版本，即安装成功。

5、cuDNN安装

在cuDNN Archive | NVIDIA Developer下载对应的cuDNN，注意，cuDNN版本必须要与CUDA版本对应。

下载完毕后，用tar工具解压，并且将解压出的cuda目录下的inlcude内的头文件以及lib内的链接库全部复制到/usr/local/cuda的对应文件夹下：

 tar zxvf Filename.tar.gz 
 sudo cp cuda/lib64/* /usr/local/cuda-11.0/lib64/
 sudo cp cuda/include/* /usr/local/cuda-11.0/include/

6、Anaconda安装

现在开始配置python相关环境。

下载安装Anaconda之类的工具，通过创建相互之间隔离的虚拟环境来管理不同的Python环境。

安装Anaconda推荐用清华源的Anaconda仓库去安装，选择对应的Linux版本下载即可。此处我下载的是5.3.0的版本。

在终端执行以下命令：

chmod +x ./Anaconda3-5.3.0-Linux-x86_64.sh
./Anaconda3-5.3.0-Linux-x86_64.sh

安装完毕后可以在命令行内查看是否可以使用conda命令，成功即为安装过成功。

7、Pytorch安装

1、首先创建一个python的虚拟环境，并指定Python环境为3.7

conda create -n pytorch python=3.7

创建完毕后，在PyTorch的官网选择相应的版本进行安装：

2、安装Pytorch

点击Previous Pytorch Version

根据自己需要安装的版本和对应的CUDA版本进行安装Pytorch，这里我安装的是Pytorch==1.7.1版本，复制指令进行安装 ：

 安装后，可直接在命令行内进入python交互界面内，再试试输入torch.cuda.is_available()是否能够返回True，如果能，则配置成功。

8、Pycharm安装及配置

1、Pycharm安装

进入Download PyCharm: Python IDE for Professional Developers by JetBrains下载安装包，本文下载的Pycharm文件名是pycharm-community-2020.2.5.tar.gz。

进入Download页面，打开终端。

 进行解压

tar -xzvf pycharm-community-2020.2.5.tar.gz

进行安装

cd pycharm-community-2020.2.5/bin
sudo ./pycharm.sh

后面的流程都是正常安装软件的流程。

2、Pycharm配置

在启动页面点击File，选中Settings进入设置。在设置页面选中“Python Interpreter”选项，然后点击右侧齿轮形状按钮，选择自己之前搭建的虚拟python环境，点击ok完成配置，之后可以进行换源以及下载相应的包了。

 安装完成，完结撒花！！！

可以参考的视频和博客：

1、pytorch libtorch 不同版本对应的cuda_今天不吃饭...的博客-CSDN博客_pytorch对应cuda版本

2、保姆级教学如何在Ubuntu 20.04工作站上配置深度学习环境_单胖的博客-CSDN博客

3、Windows 和 Ubuntu 双系统从安装到卸载_哔哩哔哩_bilibili

4、NVIDIA显卡的Ubuntu驱动程序安装方法_哔哩哔哩_bilibili