ubuntu22.04版本安装显卡驱动-安装深度学习基本环境（conda/cudnn/anaconda/pytorch/pycharm）过程

已于 2024-08-13 16:00:26 修改
阅读量1k 收藏 10
点赞数 18
文章标签： 深度学习 conda pytorch
于 2024-08-12 10:41:36 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_53092944/article/details/140504358
版权

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录

一、安装显卡驱动

我的显卡是gtx1660super，我首先看了一些博主的教程，发现有点复杂，需要去官网下载相关驱动，然后禁用集显，然后再用一些命令行安装，比较麻烦，然而现在ubuntu的软件安装与更新可以自动安装显卡驱动了。

等安装好后直接重启即可。
在这里插入图片描述

二、安装conda

1.进入CUDA官网复制所需版本的安装命令

访问CUDA官网，选择你需要下载的CUDA版本，我选择的是CUDA11.3.0
官方下载链接：https://developer.nvidia.com/cuda-downloads。

CUDA大版本与显卡驱动里面的CUDA Version的大版本相同即可，小版本不影响

https://developer.nvidia.com/cuda-11.3.0-download-archive
在这里插入图片描述
在这里插入图片描述
然后选好对应的系统配置后下载run版本的，复制官方给出的Installation Instructions:的指令到终端中运行：

wget https://developer.download.nvidia.com/compute/cuda/11.3.0/local_installers/
cuda_11.3.0_465.19.01_linux.runsudo sh cuda_11.3.0_465.19.01_linux.run

安装过程中，首先输入accept，取消勾选Driver（已经安装了驱动），选择Install，回车
在这里插入图片描述
我们在第二步已安装显卡驱动Driver，由此Driver不选，只需要把cuda tool勾选即可

2.当执行cuda_11.3.0_465.19.01_linux.runsudo sh cuda_11.3.0_465.19.01_linux.run时会出现gcc报错

这是由于gcc版本不匹配的问题
2.2.2解决方法二

变更gcc版本
2.2.2.1 CUDA11.0

可能你的gcc版本太高，变更gcc版本为9

 sudo apt install gcc-9 g++-9
     
 sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-11 70 --slave /usr/bin/g++ g++ /usr/bin/g++-11
     
 sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-9 100 --slave /usr/bin/g++ g++ /usr/bin/g++-9

# 10，20这些表示的是优先级，可根据需要选定，优先级高的即为默认的。

切换gcc版本，这里输入2，选择gcc-9

sudo update-alternatives --config gcc

查看更改结果

gcc --version

3.配置环境变量

在.bashrc内把cuda的目录加入到PATH中，否则的话系统找不到CUDA

sudo gedit  ~/.bashrc

在文件末尾加上（注意更改cuda版本为你安装的版本号，这里是cuda-11.0）
注意：这个三行的路经千万不要用，因为我的电脑装了ros2,再运行ros2时会出现兼容性问题报错

rcl_action.so: cannot open shared object file: No such file or directory

  export CUDA_HOME=/usr/local/cuda-11.0
    export LD_LIBRARY_PATH=${CUDA_HOME}/lib64
    export PATH=${CUDA_HOME}/bin:${PATH}

所以要用下面这个，把11.0改为自己下载的版本号：

export PATH=/usr/local/cuda-11.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.0/lib64:$LD_LIBRARY_PATH

运行.bashrc文件

$source ~/.bashrc

4.测试是否安装成功

终端输入

nvcc -V

出现下列页面，,显示的cuda版本正是所安装版本，说明CUDA安装成功

四、安装cuDNN

1.下载cuDNN

​​​​​​cuDNN官网cuDNN Archive | NVIDIA Developer

进cudnn官网下载前需要先登录，然后选择与CUDA版本对应的版本下载。
这里我一直进不去官网，ubuntu又不知道怎么挂梯子，所以先在windows系统挂梯子下载好文件然后传到ubuntu上

2.解压文件

首先cd进入下载的文件夹，我的下载到Downloads文件夹下

cd Downloads

使用tar工具解压，tar是tape archive的全称，它预装在Linux系统中。 xz是一个基于LZMA算法的文件压缩算法，使用xz算法压缩的文件通常以.tar.xz或.txz结尾。

解压tar.xz文件，可以使用tar命令带上-x（–extract）选项并用-f指定压缩文件名，

tar -xf后面加的是刚才下载好的cudd的压缩文件名

tar -xf cudnn-Linux-x86_64-8.9.5.30.tar.xz

3.复制文件

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：（注意自己的目录名，有的文件夹名是lib，有的是lib64）

sudo cp cuda/lib64/* /usr/local/cuda-11.0/lib64/
 sudo cp cuda/include/* /usr/local/cuda-11.0/include/

至此，GPU驱动、CUDA、cudnn就都安装好了。

五. 安装anaconda

Anaconda是一种软件包管理，它为编程语言Python和R提供图形导航，支持数据科学、数据分析和机器学习。
Anaconda让您不必担心有时遇到复杂的依赖关系问题。此外，Anaconda有一个名为Conda的包管理器，它可以使分发中的所有包保持最新。它促进了库和开发环境的安装和管理，支持在Python和R下进行数据分析和机器学习。总的来说，有许多软件包可用，包括Jupyter Notebook、Spyder、NumPy和TensorFlow。
Anaconda可用于Microsoft Windows、macOS和Linux的个人、商业、团队和企业版本。个人版是开源软件，作为免费软件免费，因此，例如，私人用户可以学习如何处理数据分析。付费版商业版、团队版和企业版为商业使用和公司使用提供了广泛的功能。

1.下载anaconda安装程序，可以anaconda官网或在清华大学开源软件镜像站下载anaconda。

2.运行安装程序

执行bash命令，bash后面是下载好的anaconda文件名

bash Anaconda3-2023.03-1-linux-x86-64.sh

然后一直按回车，yes同意隐私条款

3.配置环境

在 ~/.bashrc 末尾添加:

export PATH="~/anaconda3/bin":$PATH
 
source ~/anaconda3/bin/activate

后执行：

source ~/.bashrc

完成后，进入Anaconda的默认base编程环境中

接下来就可以和windows下一样，使用conda指令创建环境，安装包 了

最后测试anaconda是否成功：

conda list

如果出现很多包名，就说明可以了。

六、安装pycharm

可以直接在Ubuntu Software中搜索pycharm并安装
在这里插入图片描述

七/创建conda虚拟环境

1.创建虚拟环境my_env

使用annaconda的conda命令创建虚拟环境，我的环境My_torch

   conda create -n <环境名称自定义> python=<python的版本号>

例如：conda create -n My_torch python=3.8   输入后回车

完成后显示done，这样我们就创建好啦：接下来

source activate <你的虚拟环境>

成功后可以看到你的环境从base变成了My_torch

2.打开火狐浏览器里输入pytorch官网用来获取下载指令

【Pytorch官网】https://pytorch.org/

由于我的conda版本是11.3,所以到previous过去版本中选择conda版本，选择版本，下面得到安装指令

CUDA 11.3

conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch

在我的my_env环境中进行安装：

如图，总是报错httperror，说明是网络问题。没办法
原文用官网能装上但我装不上，在验证阶段一直返回false。

解决办法：去清华大学镜像站下载 链接：清华镜像

https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/linux-64/

然后根据conda install pytorch1.12.1 torchvision0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch
这里面的版本去一个个查询对应的版本的文件再下载

3.无法直接用网络安装pytorch，下载镜像文件到目录，在虚拟环境中离线安装

source activate Deeplearning \激活你创建的虚拟环境

conda install --offline pytorch-2.1.1-py3.11_cuda12.1_cudnn8.9.2_0.tar.bz2

conda install --offline torchaudio-2.1.1-py311_cu121.tar.bz2

conda install --offline torchvision-0.16.1-py311_cu121.tar.bz2

4.测试是否安装成功

最后验证:

source activate Deeplearning \\激活你创建的虚拟环境
python \\运行python (启动命令与你上文中起的别名有关)
import torch \\导入torch模块,这里应该没有任何输出
torch.cuda.is_available() \\输出True则安装成功
exit() \\退出python
conda deactivate Deeplearning \\退出虚拟环境

很不幸，又又又报错了：当我import torch时，报错：
忘记了，反正找了一堆教程都不行，实在没辙，我感觉可能是之前的一个疏忽导致的：

就是我使用conda create创建一个新的虚拟环境时，终端的前缀是（base），也就是说我把新的虚拟环境创建在了base虚拟环境的路径中了，导致无法检索到，所以我干脆使用conda deactivate删除了这个环境，新建了一个zyl_torch环境，这次我特地先cd ~/，没在base里创建，然后使用offline离线安装那三个安装包

但是，依然报错，no moudle name torch，我福了。
没想到峰回路转，我直接用官方命令：
conda install pytorch1.12.1 torchvision0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch
居然这次网络正常了，下载后 import torch 没有报错了。

然饿，当我 torch.cuda.is_available() 时，又又又又报错了，返回了false。

最后发现，conda install pytorch1.12.1 torchvision0.13.1 torchaudio0.12.1 cudatoolkit=11.3 -c pytorch这个指令不好用，我又回退了一个版本，再次创建了一个新的虚拟环境mytest，
conda install pytorch1.11.0 torchvision0.12.0 torchaudio0.11.0 cudatoolkit=11.3 -c pytorch
这个版本安装之后，就返回ture了。

注意一个重要问题：
①如果不用国内源，就要开梯子代理来下载
②如果添加了国内源：

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

就需要先关闭梯子，不然会一直卡住。

八/ 下载yolov5代码，用pycharm打开

1.下载代码

去这个网站clone代码：https://github.com/ultralytics/yolov5
解压后在pycharm中打开。选择解释器的环境为创建的虚拟环境zyl_torch

然后安装requirements.txt
这里我先直接下载
pip install -r requirements.txt
到一半网络超时了，所以用清华园下载
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

2.下载权重

ubuntu的网很差，下载不了，我用QQ远程传文件下载的yolov5s.pt

3.运行detect.py代码发现可以正常运行。

棉花糖永远滴神
关注
【深度学习环境配置】Anaconda + Pycharm + CUDA + cuDNN + Pytorch + Opencv
shinuone的博客
02-23 6554
（1）【CPU版本】Anaconda（Python） + Pycharm + Pytorch（CPU） + Opencv （2）【GPU版本】Anaconda（Python） + Pycharm + CUDA + cuDNN + Pytorch（GPU） + Opencv
ubunt22.04系统下的OpenPCDet配置
qq_53545309的博客
08-02 375
在ubuntu系统下配置自己的openpcdet环境，并且运行其中的pointpillar例子，查看损失函数
ubuntu 22.04安装独立显卡驱动方法以及一些问题，以及安装pytorch&cuda和cudnn的问题
qq_42854129的博客
06-06 7988
linux 这种东西就是玩的越多就慢慢上手了，我这种就是换个显卡重装一次系统的傻子（删错了东西），驱动也是linux下面比较麻烦的一些东西，下列的显卡驱动主要以nvidia的卡为主。 下述是最简单的两种方法。如果需要看需要什么驱动（版本号，推荐驱动）： 首先是显卡驱动： 第一种方法： 打开Additional drivers,下列这个模式。一开始的应该是处于最下面的那个驱动，正常选择最上面的那个推荐驱动就好了，然后应用，重启。 第二种： 使用命令行： 测试是否成功： 至于需要具体的某一个版本驱动，这里推荐
运维系列&AI系列&Lenovo-G双系统系列（前传-装之前搜索的）：Ubuntu22.04系统安装软件、显卡驱动、cuda、cudnn、pytorch
最新发布
weixin_54626591的博客
08-19 965
Ubuntu22.04系统安装软件、显卡驱动、cuda、cudnn、pytorch
Ubuntu22.04 安装显卡驱动
qq_45461410的博客
07-07 2万+
Ubuntu22.04 安装NVIDIA-525版本驱动
ubuntu22.04安装显卡驱动+cuda+cudnn
qq_49323609的博客
04-23 1万+
ubuntu22.04安装显卡驱动+cuda+cudnn
Ubuntu22.04安装显卡驱动(高速、避错版)
Eric_xkk的博客
07-19 1万+
关于显卡驱动安装踩坑不少坑，前前后后重装了6、7次，总结了一下目前网上的各种安装方式，整理了本文。
ubuntu22.04安装显卡驱动
qq_48167183的博客
05-10 7162
6、选择continue.......... yes........即可。3、在终端输入"sudo sh+文件名" 安装显卡驱动文件。无输出即代表禁用成功（ps：不行可以重启电脑）4、选择第二个enroll mok。4、出现如下情况则代表安装成功。2、secure boot问题。1、安装快要结束时会要求设置。法二：在安装驱动过程中配置。secure boot密码。secure boot密码。3、选择一个合适版本点击。（一定要记住这个密码）1、打开应用程序列表。3、出现蓝色屏幕界面。
安装Ubuntu20.04与安装NVIDIA驱动的教程
01-09
在本教程中，我们将详细介绍如何在戴尔G3 3579笔记本电脑上安装Ubuntu 20.04操作系统，以及如何安装NVIDIA驱动，同时配置PyTorch和TensorFlow环境。首先，确保你的系统是在128GB的固态硬盘上安装的Ubuntu 20.04。...
Anaconda同时安装Tensorflow和Pytorch（window系统）步骤/流程/方法
热门推荐
x007664的博客
04-17 2万+
目录前言一、Tensorflow的版本兼容性二、Pytorch的版本兼容性三、Tensorflow安装流程1.创建虚拟环境2.激活虚拟环境3.配置CUDA和CUDNN驱动框架4.加载tensorflow模块5.设置超时时间6.验证tensorflow安装成功四、Pytorch安装流程1.重新确认目标环境2.加载pytorch模块3.验证pytorch安装成功五、pycharm界面下Tensorflow和Pytorch的使用方法 前言 Tensorflow和pytorch是两个不同模块，导入import时对
ubuntu20.04深度学习环境配置(自用基本转载)
xuanmudaoman的博客
07-30 755
写在最前面，小白上路，基本上是参考集成其它哥们的教程带上自己坑点。以及抄代码的时候看好人家代码里操作的文件的版本和你自己下的是不是一个，cd路径等小白最常见的傻瓜问题。
Ubuntu22.04系统安装+显卡驱动安装
qq_45999722的博客
10-27 7372
双系统安装+ubuntu22.04+显卡驱动安装
Ubuntu22.04系统安装软件、显卡驱动、cuda、cudnn、pytorch
小新
12-28 7266
这篇博客主要讲解的是Ubuntu22.04系统安装软件、显卡驱动、cuda、cudnn、pytorch 等软件和环境的安装和配置。
Ubuntu 22.04 安装Nvidia显卡驱动、CUDA、cudnn
xuehu96的博客
10-05 1万+
GPU做深度学习比CPU要快很多倍，用Ubuntu跑也有一定的优势，但是安装Nvidia驱动有很多坑Ubuntu版本：22.04.3 LTS分区：/boot分配 1G ，剩下都分给根目录显卡：GTX 1050 Ti坑1：用Ubuntu自带的 Additional Drivers可能会出问题，应该从官网下载驱动文件坑2：用deb文件安装可能会出问题，最好用.run文件安装。
用通俗易懂的方式讲解大模型：在 Ubuntu 22 上安装 CUDA、Nvidia 显卡驱动、PyTorch等大模型基础环境
2301_78285120的博客
12-30 2657
刚接触 AI 环境部署时，可能很多人对这些概念不是很清楚，比如 CUDA、Nvidia 驱动、PyTorch 等，在部署过程中可能也会遇到诸多问题，但只要慢慢了解这些概念，同时多部署几次，就会熟悉其中的操作，希望这篇文章可以帮助你快速的熟悉 AI 环境的部署，如果你有什么问题，欢迎在评论区留言讨论。关注我，一起学习各种人工智能和 AIGC 新技术，欢迎交流，如果你有什么想问想说的，欢迎在评论区留言。
Ubuntu22.04安装NIVIDIA显卡驱动总结
m0_56022510的博客
07-11 2270
但是有时候.deb可能只是一个本地仓库包，会用于添加或者更新软件的仓库信息。并不能直接安装软件。比如nvidia的驱动就是个例子。需要独立用apt install 安装。3. 在官网上确定之后，可以直接下载对应的安装包。文件后缀默认为deb格式。4.安装deb包成功之后可以使用下面命令安装nvidia驱动。1.首先在安装驱动时需要判断系统有无GPU以及GPU的型号。.deb 文件格式让软件安装和更新变得非常容易。设定软件如何运作的参数。软件运行所需的依赖项。实际运行的软件程序。
[Ubuntu22.04]NVIDIA显卡驱动、CUDA、cudNN安装
SoNg_ch_的博客
08-09 1722
NVIDIA显卡驱动安装 CUDA11.7安装 cudNN8.6安装
Ubuntu 22.04 上安装 NVIDIA GeForce RTX 4060 Ti 显卡驱动
sinat_21699465的博客
05-20 4299
如果你需要使用 CUDA 进行 GPU 计算，可以从 [NVIDIA CUDA Toolkit 下载页面](https://developer.nvidia.com/cuda-downloads) 下载并安装适合你系统的 CUDA 工具包。关于显卡驱动安装踩坑不少坑，前前后后重装了6、7次，总结了一下目前网上的各种安装方式，整理了本文。你应该会看到与 NVIDIA GPU 相关的信息，包括驱动版本和 GPU 统计数据。这将显示与 NVIDIA 驱动相关的内核日志，帮助你诊断问题。
深度学习环境配置：WIN10&Ubuntu双系统Anaconda+CUDA+PyTorch+PyCharm安装指南
该资源是一份关于在WIN10和Ubuntu系统上搭建深度学习环境的教程，主要涉及四个步骤：安装Anaconda、CUDA、PyTorch以及PyCharm。教程中特别指出，由于选用的PyTorch版本为1.4，因此CUDA需安装10.1版本。 1. **安装...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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