深度学习环境配置（cuda安装,cudnn安装，anaconda安装，虚拟环境创建，国内镜像源添加)

---

前言

使用ubuntu做深度学习训练，安装驱动时遇到了很多坑，仅记录防止以后犯错。

一、安装NVIDIA驱动

1.1.查看显卡支持的驱动版本

ubuntu系统下：
打开终端 （ctrl + alt + T）输入：

lshw -numeric -C display

这一步主要确认硬件至此的驱动版本，如果知道显卡型号则可以跳过。

1.2.nvidia官网下载

下面的安装步骤是在ubuntu系统下的安装步骤,如果在windows下，在官网下载驱动后，next就可以了，十分方便，windows,yyds
1.2.1 在ubuntu下安装nvidia驱动可以选择从官网下载。nvidia官方驱动下载链接https://www.nvidia.com/Download/index.aspx

登录nvidia官网之后，在上图的界面选择对应的选项，点击搜索，下载，会下载一个nvidia-*.run文件。
1.2.2 禁用ubuntu自带的nouveau
在终端输入

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

在文件后面添加

blacklist nouveau
options nouveau modeset=0

重启更新系统修改

sudo update-initramfs -u
sudo reboot

验证nouveau是否禁用

lsmod | grep nouveau

若成功禁用则在终端输入上述命令无任何反应。
1.2.3 开始安装
将下载的nvidia-*.run拷贝至/home文件夹内（这一步方便在安装时找到文件），按ctrl + alt + F1进入命令界面，提示输入密码，输入密码否登录。
然后依次执行如下命令

sudo service lightdm stop      //关闭图形界面
sudo apt-get remove nvidia-*   //卸载系统中存在的驱动
sudo chmod  a+x NVIDIA-*.run    //给文件权限
sudo ./NVIDIA-Linux-x86_64-xxx.run -no-x-check -no-nouveau-check -no-opengl-files

最后一条命令的参数意义如下 :

-no-x-check：安装驱动时关闭X服务
-no-nouveau-check：安装驱动时禁用nouveau
-no-opengl-files：只安装驱动文件，不安装OpenGL文件

安装成功后命令行输入

sudo service lightdm start   //重启图形界面

然后按下ctrl + alt + F7返回图形界面。
终端输入

nvidia-smi

1.3.ubuntu源安装

终端输入

ubuntu-drivers devices
sudo ubuntu-drivers autoinstall

安装完成后终端输入

nvidia-smi

二、安装cuda

如果显卡是30系列，只能安装cuda11版本
安装cuda之前，查看驱动支持的cuda版本。
在终端输入nvidia-smi，如果正确安装nvidia驱动，会得到如下界面，右上角即支持cuda的最高版本。

2.1.windows下安装

2.1.1安装准备
windows系统安装cuda前需要先安装VS2019。社区版免费，下载链接https://visualstudio.microsoft.com/zh-hans/free-developer-offers/安装时如果没有其他需求，只需要选择C++就可以，如下图

2.1.2 安装cuda
cuda的下载地址https://developer.nvidia.com/cuda-downloads

右下角选择下载就可以了。但是要注意显卡驱动支持cuda版本。安装过程按照默认设置即可。

2.2.ubuntu下安装

2.2.1 安装准备
ubuntu下安装cuda需要先安装gcc和g++。安装命令如下：
打开终端，输入如下命令

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

2.2.2 安装cuda
打开链接，https://developer.nvidia.com/cuda-downloads。如下图

根据提示，执行



ubuntu下安装cuda的过程中，由于已经安装了nvidia驱动，所以不再选择安装驱动选项。

安装完成后需要设置环境变量，方法如下
终端输入

sudo gedit ~/.bashrc

在文件中添加

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.0/lib64
export PATH=$PATH:/usr/local/cuda-10.0/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.0

注意，需要将cuda-10.0换成安装的cuda版本。
保存，之后在总端执行:

source ~/.bashrc

2.2.验证

在终端输入

nvcc -V

上图表示安装成果，安装版本是10.2

三、安装cudnn

安装cudnn需要注册nvidia的账号,链接：https://developer.nvidia.com/zh-cn/cudnn
登录之后选择和cuda适配的cudnn下载。

3.1.windows下安装

在windows下，将下载的cudnn压缩包解压，得到

找到 CUDA 的安装路径，默认安装是 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2

复制 bin 目录下的文件到 CUDA 的 bin 目录下（.dll）
复制 include 目录下的文件到 CUDA 的 include 目录下（.h）
复制 lib/x64 目录下的文件到 CUDA 的 lib/x64 目录下（.lib）
添加环境变量，把 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64 加到path 中

3.2.ubuntu下安装

在ubuntu下，下载相应的cuDNN Library for Linux，解压，终端执行如下命令

sudo cp cuda/include/cudnn.h /usr/local/cuda-10.2/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.2/lib64
sudo chmod a+r /usr/local/cuda-10.2/include/cudnn.h 
sudo chmod a+r /usr/local/cuda-10.2/lib64/libcudnn*

四、安装anaconda

4.1.anaconda安装和基础配置

anaconda可以在官网下载，安装过程按照提示安装即可，ubuntu安装时，凡是输入yes|no的，一律输入yes。ubuntu安装完成之后，需要更新环境变量，然后重启电脑。

source ~/.bashrc

anaconda安装完成后将anaconda conda切换为国内镜像源，一般是清华源，但实测清华源有点卡，现在北外源比较快。

conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/r
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/msys2
conda config --set show_channel_urls yes
conda upgrade --all     #升级工具包，可不执行

4.2.虚拟环境创建，删除

创建虚拟环境

conda create -n env_name python=3.x

进入虚拟环境

conda activate env_name

退出虚拟环境

conda deactivate

删除虚拟环境

conda remove -n env_name --all

此外，python3.8版本不支持使用conda安装opencv，可在虚拟环境内执行下面的指令安装

pip install opencv-python -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com