Ubuntu18.04+RTX 2080Ti+CUDA 10.0 +cuDNN+PyTorch搭建深度学习环境

基本硬件环境

硬件基本信息

硬件	型号
CPU	I7-9700k
GPU	RTX 2080ti
内存	DDR4 2666 16GB*2
主板	ASUS Z390-A
机箱	Tt(Thermaltake) 启航者S5
电源	海盗船 850W 支持2080ti
SSD固态硬盘	三星 500GB M.2接口 860 EVO
HHD机械硬盘	西部数据 1TB SATA3接口
CPU散热器	九州风神 玄冰400 12cm
机箱散热器	先马(SAMA) 黑洞 12cm * 3

SSH

SSH无密码登陆

• 安装SSH Server

  Ubuntu 默认已安装了 SSH client，此外还需要安装 SSH server：

  sudo apt-get install openssh-server

• 登陆本机

  ssh localhost

  此时会有如下提示(SSH首次登陆提示)，输入 yes 。然后按提示输入密码 ,但这样登陆是需要每次输入密码的，我们需要配置成SSH无密码登陆比较方便。

• SSH 无密码登陆

  首先退出刚才的 ssh，回到了我们原先的终端窗口，然后利用 ssh-keygen 生成密钥，并将密钥加入到授权中：

  exit                           # 退出刚才的 ssh localhost
  cd ~/.ssh/                     # 若没有该目录，请先执行一次ssh localhost
  ssh-keygen -t rsa              # 会有提示，都按回车就可以
  cat ./id_rsa.pub >> ./authorized_keys  # 加入授权
  

  此时再用 ssh localhost 命令，无需输入密码就可以直接登陆了

安装驱动

linux安装NVIDIA显卡驱动

驱动下载地址 ,下载时切记选择.run版本，我们下载的版本是NVIDIA Linux-x86_64-430.40.run

安装驱动之前要安装其他需要的依赖工具：

sudo apt-get install gcc g++ make

检测驱动是否成功安装

方法1:使用nvidia-smi命令测试

英伟达系统管理接口（NVIDIA System Management Interface, 简称 nvidia-smi）是基于NVIDIA Management Library (NVML) 的命令行管理组件,旨在(intened to )帮助管理和监控NVIDIA GPU设备。

在终端输入命令nvidia-smi

方法2:使用nvidia-settings命令

在终端输入命令nvidia-settings

会调出NVIDIA的驱动管理程序：

如果打开的页面能够看到驱动的版本号，如本案例所示为430.40，则nvidia-setting安装正常。

搭建深度学习环境

CUDA 10.0安装

进入CUDA toolkit download官网之后会显示CUDA最新版本，这个时候先别急着选系统和下载文件类型，先看一下下什么样的CUDA版本能够跟PyTorch适配。

• 进入PyTorch官网
  
  我们能看到可选择的CUDA版本只有9.2和10.0，因此我们去CUDA官网下载10.0版本

• CUDA toolkit起始界面

  

• 选择适配的CUDA版本

  打开显示的是最新的10.1 版本，这里我们选择“Legacy Releases”查看之前发布的版本,并如下图所示选择“CUDA Toolkit 10.0”版本

• 定制化下载CUDA 10.0

  

• 安装CUDA

  sudo sh cuda_10.0.130_410.48_linux.run

  然后会出现很长的协议书，一直按到最后出现如下需要用户选择的界面：

  

  之后，按照提示安装即可。我依次选择了：

  1 accept #同意安装
  2 n #不安装Driver，因为已安装最新驱动
  3 y #安装CUDA Toolkit
  4 <Enter> #安装到默认目录
  5 y #创建安装目录的软链接
  6 y #复制Samples一份到家目录
  

  安装完成界面（由于我们没有选择安装driver，因此会显示不完全安装，但是CUDA toolkit都已成功安装就可以了）：