Ubuntu18.04配置机器学习环境（超详细）

Ubuntu18.04配置机器学习环境

1 安装Nidia显卡驱动

1.1 打开终端，输入命令 ubuntu-drivers devices，查看显卡硬件型号，可以看到测试机上推荐显卡驱动为 -460

1.2 打开软件更新器，点击设置，点击附加驱动，选择要安装的显卡驱动，安装(因为本机推荐-460，所以就选择-460)。

1.3 接下来会弹出页面，点击Next即可，会弹出输入Secure Boot的密码，自己设置输入。

1.4 重启计算机，按以下步骤操作。(不知道啥意思，只是这样做成功了。)

1.5 打开终端，输入nvidia-smi，可以看到显卡驱动安装成功。

2 安装CUDA

2.1 去官网下载要安装的CUDA版本，此处下载CUDA 10.0

下载地址：https://developer.nvidia.com/cuda-toolkit-archive

下载runfile文件

2.2 进入Downloads目录下，执行命令 sudo sh cuda_10.0.130_410.48_linux.run

输入accept接受安装，在询问是否安装显卡驱动时输入no，其他的输入yes，即可安装。

2.3 打开终端，输入命令sudo gedit ~/.bashrc,将以下添加到.bashrc中。(此处安装的是CUDA10.0)

# CUDA 10.0
export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

2.4 更新一下源文件，查看CUDA是否安装成功

输入命令： source ~/.bashrc更新源文件

输入nvcc -V查看CUDA是否安装成功

3 安装cuDNN

3.1 下载好CUDA对应的cuDNN

地址：https://developer.nvidia.com/zh-cn/cudnn

将下载好的包解压，进入cuda目录，右键打开终端

3.2 将cuda文件夹中对应的文件，按照对应的格式，拷贝到CUDA对用的文件夹中：

sudo cp -p include/cudnn.h /usr/local/cuda-10.0/include
sudo cp -p lib64/libcudnn* /usr/local/cuda-10.0/lib64

3.3 修改库文件权限：

sudo chmod a+r /usr/local/cuda-10.0/lib64/libcudnn*

3.4 安装必要的开发包：

sudo apt-get install libcupti-dev

4 安装Anaconda

4.1 下载Anaconda Linux版本

地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

4.2 进入Anaconda安装包的目录，右键打开终端

使用bash命令安装：

bash anaconda-xxx.sh

Anaconda最后会提示是否要安装VS Code，输入yes表示安装，no表示不安装

5 更换国内源

5.1 conda更换国内源
将下面内容写在~/.condarc中
vim ~/.condarc

channels:
  - https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
  - https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - defaults
show_channel_urls: true

5.2 pip更换国内源

修改 ~/.pip/pip.conf (没有就创建一个)， 内容如下：

$mkdir ~/.pip
$vim ~/.pip/pip.conf

[global]
index-url = http://pypi.douban.com/simple
[install]
trusted-host=pypi.douban.com

6 创建TensorFlow2开发环境

6.1 创建基于python 3.7，名为tf2.0的虚拟环境：

conda create --name tf2.0 python=3.7

6.2 进入虚拟环境：

conda activate tf2.0

6.3 安装TensorFlow2.0开发包：

pip install tensorflow-gpu

7 创建PyTorch开发环境

7.1 创建基于python 3.7，名为pt的虚拟环境：

 conda create --name pt python=3.7

7.2 进入虚拟环境：

conda activate pt

7.3 安装PyTorch开发包：

pip install torch torchvision