工作站安装Ubuntu，显卡驱动，pytorch全流程

目录：

1. 装ubuntu20.04系统

2. 安装显卡驱动

3. 安装cuda

4. 安装anaconda

5. 安装pytorch

6. 安装vscode

1. 装Ubuntu系统

插入镜像盘

重启工作站

狂按F12

进入UEFI

安装ubuntu 按指示一步步操作

。。。。。。

安装成功，进入ubuntu的图形界面

首先打开终端，执行两句指令：

sudo apt update

sudo apt upgrade

查看软件和更新 附加驱动里，没有可用的附加驱动

Ubuntu软件，下载源换成国内的 （我换成阿里云

2. 安装驱动：

参考的是这篇博客：Ubuntu20.04系统，3090显卡，安装驱动、CUDA、cuDNN的步骤 - 明天又是周六了 - OSCHINA - 中文开源技术交流社区

打开终端

输入下面这行：

sudo gedit /etc/modprobe.d/blacklist.conf

在最下面添加下面两行：

blacklist nouveau

options nouveau modeset=0

再输入下面这行 更新系统

sudo update-initramfs -u

重启电脑，验证是否禁用nouveau，

这一条是用来禁用nouveau驱动，之后也不需要改回来。：

lsmod | grep nouveau

没有信息返回说明已禁用了

重启电脑之后，在软件和更新 附加驱动里 有显示了

但是还是用自己下载的驱动比较好

安装驱动的指令：

sudo chmod  a+x NVIDIA-Linux-x86_64-460.84.run //对应自己下载的驱动名称

sudo ./NVIDIA-Linux-x86_64-460.84.run -no-x-check -no-nouveau-check -no-opengl-files

显示错误 说我没有gcc

那安装gcc，sudo apt install gcc

显示错误 说我没有make

那就安装make，sudo apt install make

然后就安装成功了。

输入nvcc -V，想查看是否安装成功，发现没有这个包

输入指令 sudo apt install nvidia-cuda-toolkit

(使用sudo apt autoremove来卸载)

3. 安装cuda

离线下载安装包，因为用命令行安装下载太慢了

从Nvidia官网下载cuda，CUDA Toolkit Archive | NVIDIA Developer

我选择CUDA Toolkit 11.3.0，得到一个文件 cuda_11.3.0_465.19.01_linux.run

放到ubuntu的某文件夹，在此路径打开终端，

运行指令：sudo cuda_11.3.0_465.19.01_linux.run

4. 安装anaconda

从清华源下载，anaconda跟python和cuda有对应的版本关系，不要下载错

对应关系的表如下：Anaconda与Python版本对应关系_cd_sywe的博客-CSDN博客_anaconda与python版本对应

下载后得到这个文件，Anaconda3-2019.07-Linux-x86_64.sh

也放到ubuntu的某文件夹，在此路径打开终端，

运行指令：bash Anaconda3-2019.07-Linux-x86_64.sh

就行了。

5. 安装pytorch：

从pytorch官网找cuda版本对应的pytorch版本，下载源选用pip3

选好后会出来一行指令：

pip3 install torch==1.10.0+cu113 torchvision==0.11.1+cu113 torchaudio==0.10.0+cu113 -f https://download.pytorch.org/whl/cu113/torch_stable.html

输入这行代码进入base环境，不然conda会显示未找到命令：

source ~/anaconda3/bin/activate

在终端的base中创建新环境：conda create -n py37 python=3.7

进入环境：Conda activate py37

进入环境后，把上面那句指令在环境中运行，等待安装完毕。

6. 安装vscode

从vscode官网下载安装包，然后解压安装

打开vs code后，打开应用商店，安装：

chinese(simplified

Python

Pylance

jupyter

Code runner（不然代码没有运行标志

运行代码：点击左下角，能够选择当前代码的运行环境，选择之前安装pytorch的那个环境，代码就会转换到所选环境下运行。

全部流程就完毕了。