Ubuntu22.04搭建Pytorch框架深度学习环境+安装Miniconda+安装CUDA与cuDNN

Linux搭建深度学习环境

以Ubuntu为例，从零搭建Pytorch框架深度学习环境。

1、Ubuntu安装

1.1 系统下载

访问地址ubuntu官网

1.2 启动盘制作

访问ultraiso官网

1.2.1打开镜像

1.2.2写入镜像

1.3磁盘分区

1.3.1Windows磁盘管理

对要压缩的卷右键，选择压缩卷

压缩出的可用空间不要进行分区，等待ubuntu系统操作

1.3.2分区助手或DG

拆分现有空间，注意不要对分出来的空间进行分区，比较简单就不写啦！

1.4查看磁盘格式

打开磁盘管理，在硬盘上右键，查看卷

MBR:

GPT:

1.5U盘启动

Windows重启时，按住shift键，重启后选择U盘设备启动

1.6安装过程

1.6.1语言选择

中文简体

1.6.2键盘布局

English(US)

1.6.3无线

不联网安装

1.6.4更新和其他软件

开发环境下建议使用最小安装

1.6.5安装类型

其它选项

1.6.6磁盘分区

方案一：

方案二：

1.6.6.1 MBP

1、引导分区/boot

2、内存交换分区

4、根分区

5、用户家分区

1.6.6.2GPT

1、引导分区 EFI

2、内存交换分区

3、根分区

4、用户家分区

GPT模式下重要提醒

安装启动器的设备选择新建的EFI分区，这个十分重要！！！

1.6.7时区

上海shanghai

1.6.8用户与密码

建议简短，个人电脑可以选择自动登录。生产环境下登录需要密码。

1.6.9重启进入系统

拔掉U盘

进入BIOS更改启动顺序
选择Ubuntu系统

1.7时间同步

sudo apt install ntpdate
sudo ntpdate time.windows.com
sudo hwclock --localtime --systohc

1.8启动顺序更改

sudo gedit /etc/default/grub

选择Windows启动项目索引，则优先启动Windows

更新配置

sudo update-grub

1.9更新软件更新源

为了加速软件包下载速度需要选择适合本机的软件源
设置–关于–软件更新

选择最佳服务器

重新载入

1.10中文路径改英文

将中文模式下的路径改称英文

export LANG=en_US 
xdg-user-dirs-gtk-update

2、Miniconda安装

更新包以及安装开发环境，索性在刚开始就装上

sudo apt upgrade
sudo apt install build-essential

2.1软件下载

进入官网

2.2软件安装

注意需要为文件添加可执行权限！！

sudo chmod +x Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

2.3关闭自动开启base环境

conda config --set auto_activate_base false

2.4更换conda源

清华源配置：

conda config --set show_channel_urls yes
gedit ~/.condarc

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
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

清理缓存索引，保证采用新源

conda clean -i

2.5conda环境

创建

conda create -n torch python=3.10

删除

conda remove -n torch --all

3、CUDA与cuDNN安装

3.1安装显卡驱动

sudo ubuntu-drivers autoinstall

nvidia-smi

3.2安装CUDA

3.2.1下载

访问官网
选择合适的CUDA版本

选择runfile安装方式

wget https://developer.download.nvidia.com/compute/cuda/11.7.1/local_installers/cuda_11.7.1_515.65.01_linux.run

3.2.2安装

sudo sh cuda_11.7.1_515.65.01_linux.run

需要注意，之前安装过驱动了，这里不在安装，按空格取消，实际上这里仅安装CUDA Toolkit 11.6即可

这两张图是参考连接里的，效果是一样的

3.2.3配置环境变量

打开配置文件

gedit ~/.bashrc

添加

export PATH=$PATH:/usr/local/cuda-11.7/bin  
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.7/lib64  

重新加载配置

source ~/.bashrc

查看安装结果

nvcc -V

3.3安装cuDNN

3.3.1下载

访问官网(需要开发者账号)

3.3.2解压

tar -xvf cudnn-linux-x86_64-8.x.x.x_cudaX.Y-archive.tar.xz

3.3.3复制到CUDA

sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda/include 

sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64 

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

3.3.4验证

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

4、安装Pytorch

注意在对应的conda虚拟环境中

由于在线安装过于缓慢，先下载离线包在安装

4.1下载

访问网址

根据CUDA版本选择对应的包，以CUDA11.7.X、Python3.10.X为例

torch

torchaudio

torchvision

4.2安装

启动虚拟环境

conda activate torch

借助腾讯源安装所需依赖：https://mirrors.cloud.tencent.com/pypi/simple

添加参数–trusted-host mirrors.cloud.tencent.com否则无法从镜像站下载

pip install torch-xxx-.whl -i https://mirrors.cloud.tencent.com/pypi/simple --trusted-host mirrors.cloud.tencent.com

4.3验证

# 验证torch安装
import torch
print(torch.__version__)

#验证cuda安装
print(tprch.cuda.is_available())

5、参考链接

系统安装
CUDA安装
cuDNN安装

6、写在最后

本次搭建站在前辈们的肩膀上，过程还算顺利，小坑也都解决了，记录一下，希望能帮助到更多人。
炼丹之路，共勉之！