深度学习配置环境AllInOne

总结深度学校ubuntu环境配置

0.前提工作

安装顺序：nvidia驱动->cudaTookits->cudnn->TensorRT->pytorch->tensorflow

版本匹配方式：

• 1.先决定tensorflow支持的版本
  进入他官tensorflow官网之后右上角将语言选择为English。因为英文版支持版本比中文版更多更新

Version	Python version	Compiler	Build tools	cuDNN	CUDA
tensorflow-2.16.1	3.9-3.12	Clang 17.0.6	Bazel 6.5.0	8.9	12.3

• 2.pytorch官网查看pytorch与cuda支持的版本

• 3.决定cudaTookits版本 - CUDA12.1

• 4.决定nvidia驱动版本

0. nvidia驱动安装

参考：
1.超详细ubuntu20.04/22.04安装nvidia驱动/CUDA/cudnn
2.Python-Pytorch开发环境使用总结

nvidia显卡驱动安装方式有三种：使用ubuntu附加驱动的方式；使用命令行方式安装；使用.run文件的方式进行安装

ubutnu上推荐使用命令行方式安装

sudo add-apt-repository ppa:graphics-drivers/ppa  # 加入官方ppa源
sudo apt update  # 检查软件包更新列表
apt list --upgradable  # 查看可更新的软件包列表
sudo apt upgrade  # 更新所有可更新的软件包

ubuntu-drivers devices    # ubuntu检测n卡的可选驱动
#sudo apt install nvidia-driver-510  # 根据自己的n卡可选驱动下载显卡驱动
sudo ubuntu-drivers autoinstall #推荐

sudo nvidia-settings  # 更改Nvidia驱动设置
nvidia-smi  # 查看显卡基本信息

UEFI安全引导：
1.输入自定义secure boot密码
2.重启，后进入蓝色背景界面perform mok management后，选择enroll mok
3.进入enroll mok界面，选择continue
4.输入安装驱动时设置的密码
5.之后跳到蓝色界面perform mok management，选择第一个reboot
这样重启后驱动就加载了

若安装完显卡驱动后，在重启系统是，出现蓝色背景界面perform mok manmagement，如果选择continue reboot，会导致安装的驱动未加载

1.CudaTookits安装

参考：
1.Ubuntu系统如何安装CUDA保姆级教程
2.Python-Pytorch开发环境使用总结

在cuda官方网站CUDA Toolkit Archive找到版本，下载，并根据提示命令下载安装

1.continue
2.accept
3.反选Driver
（nvidia-fs是一款Nvidia开发的针对虚拟容器的文件系统，用以解决容器与Physic机器之间的文件传递问题，也可以优化数据的访问速度。如果你需要在容器中使用NVIDIA GPU资源，那么你需要安装nvidia-fs。如果不需要使用GPU资源，可以不安装该文件系统。需要注意的是，nvidia-fs只能在NVIDIA驱动版本384及以上版本中使用。因此，如果你的系统中没有NVIDIA显卡，或者驱动版本低于384，那么不需要安装nvidia-fs。）
4.根据提示设置环境变量

===========
= Summary =
===========

Driver:   Not Selected
Toolkit: