python虚拟环境深度学习环境配置Linux

创建python3.9的虚拟环境

# 在合适的地方打开终端
sudo apt install python3.9-venv #使用以下命令来安装 python3-venv 包，这将包括创建虚拟环境所需的所有依赖，包括 ensurepip
python3.9 -m venv env #创建了一个名为env的虚拟环境，python的版本为3.8
conda activate env #激活名为env的虚拟环境

安装cuda以及cudnn

查找合适的cuda版本

nvidia-smi #查看显卡信息

我的推荐版本为12.0的cuda，但是为了与tensorrt的版本配套，选择11.8的cuda

查找合适的torch版本（会同时安装cuda）

torch链接地址：https://pytorch.org/get-started/previous-versions/

选择的pip安装，将这一行复制到命令行即可

# CUDA 11.8
pip install torch==2.2.2 torchvision==0.17.2 torchaudio==2.2.2 --index-url https://download.pytorch.org/whl/cu118

检查是否安装成功

python
import torch
print(torch.version.cuda) #查询cuda版本
print(torch.backends.cudnn.version()) #查询cudnn版本
print(torch.cuda.is_available()) #cuda是否可用

如果出现这样就算安装成功：

但是我的出了一点小问题，cudnn版本不匹配，这是因为cudnn的使用地址并不是我的虚拟地址，需要进行修改

cudnn环境不匹配修改

echo $LD_LIBRARY_PATH #查看环境库路径

可以看到为/usr/×××，并不是你的虚拟环境库路径。

echo $CONDA_PREFIX #查看虚拟环境地址
cd $CONDA_PREFIX #进入虚拟环境地址
#创建文件
mkdir -p ./etc/conda/activate.d
mkdir -p ./etc/conda/deactivate.d
touch ./etc/conda/activate.d/env_vars.sh
touch ./etc/conda/deactivate.d/env_vars.sh

编辑activate.d/env_vars.sh，注意将your_name换成你的环境名字，注意=前后不能有空格哦

export OLD_LD_LIBRARY_PATH=${LD_LIBRARY_PATH}
export LD_LIBRARY_PATH=anaconda3/envs/your_name/lib64

编辑deactivate.d/env_vars.sh，这样deactivate的时候，会恢复设置

export LD_LIBRARY_PATH=${OLD_LD_LIBRARY_PATH}
unset OLD_LD_LIBRARY_PATH

保存之后重启虚拟环境

conda deactivate #退出虚拟环境
conda activate env #激活名为env的虚拟环境

再次检查是否安装成功

python
import torch
print(torch.version.cuda) #查询cuda版本
print(torch.backends.cudnn.version()) #查询cudnn版本
print(torch.cuda.is_available()) #cuda是否可用

这样就算成功

参考连接

https://blog.csdn.net/jillar/article/details/116494270