ubuntu18.04下深度学习环境的配置过程（pytorch、cuda、cudnn）

一、安装pycharm

推荐使用专业版，不建议使用汉化。

具体步骤：

1. 进入pycharm官网下载安装包，社区版，专业版均可。专业版可以在官网申请许可证使用。
2. 下载完以后，进入到文件夹下的bin文件夹下，打开终端，输入：sudo sh pycharm.sh
3. 等待安装成功即可

二、安装anaconda

下载前要自行确定自己需要的是哪个版本的anaconda。
我这里使用的是：Anaconda3-5.0.1-Linux-x86_64.sh，默认带python3.6版本的。
推荐使用清华源下载

具体步骤：

1. 进入下载的文件夹并进入终端
2. 输入：. sudo sh Anaconda3-5.0.1-Linux-x86_64.sh
3. 等待安装完毕即可

注意事项：
安装最后一步一定要anaconda的路径配置到环境中，即最后一步一定要选择True。

三、安装pytorch

具体步骤：

1. 进入pytorch官网，选择下载的版本，注意要和python的版本对应。
2. 可以使用conda也可以使用pip安装（conda的话比较方便，可以直接帮你把cuda和cudnn给安装好，pip的话比较麻烦，但你可以了解到cuda和cudnn的安装过程）
3. 这里我用pip安装，在下载前要先将pip源改成国内的，要不然太慢了。具体修改步骤：参考链接
   ①打开终端，运行以下命令：cd ~/.pip
   ②如果不存在该文件夹则：

mkdir ~/.pip
cd ~/.pip
touch pip.conf
gedit pip.conf

在pip.conf中添加以下内容：

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

然后保存即可
4. 修改完毕后，输入官网给的pip命令下载即可：pip3 install torch torchvision
5. 如果pip用不了，就下载pip工具：sudo apt-get install pip3

以上步骤做完以后，可以在pycharm中输入下面的代码进行测试：

import torch,torchvision
import numpy,sklearn
import matplotlib.pyplot as plt

四、禁用nouveau驱动

具体步骤

1. 安装vim：sudo apt-get install vim-gtk
2. 禁用驱动

1、创建下面的文件：

sudo vim /etc/modprobe.d/blacklist-nouveau.conf

2、 在文件内插入以下内容：

blacklist nouveau
options nouveau modeset=0

3、执行以下命令使禁用生效并且重启：

sudo update-initramfs -u
sudo reboot

重启后可以验证是否生效：

lsmod | grep nouveau

若没有输出，则禁用生效。

注意：在编辑文件是按I是进入编辑模式，编辑完以后按esc退出，再输入：wq保存并退出

五、安装nvidia驱动

这里安装NVIDIA-Linux-x86_64-430.64.run
具体步骤：

1. 安装gcc，make
   可以先查询一下是否安装gcc和make
   gcc版本查询：gcc --version

2. 安装指令：

sudo apt-get install gcc
sudo apt-get install make

3. 在NVIDIA官网上NVIDIA驱动下载官网寻找所需的NVIDIA驱动
   这里我以NVIDIA-Linux-x86_64-430.64.run为例，在文件所处文件夹下打开终端，输入：

sudo sh NVIDIA-Linux-x86_64-430.64.run

注意：第一次警告不用管，点continue即可

4. 安装后重启

sudo reboot

六、安装cuda

具体步骤：

1. 进入cuda官网下载所需要的cuda版本，以前版本的cuda版本点这里下载
2. 这里我选择的是cuda_10.1.243_418.87.11_linux.run
3. 把cuda_10.1.243_418.87.11_linux.run复制到主目录下
4. 重命名为cuda.run
5. 按Ctrl+Alt+F1进入字符终端界面，登录成功后，关闭图形化界面：sudo service lightdm stop
6. 找到下载文件的路径：cd /home/whale
7. 键入下面的命令安装：sudo sh cuda.run
8. 等待一会按照下图设置，即不要安装驱动，再点install即可
   安装cuda设置界面，不要下载驱动即可
9. 安装完后出现：你会看到cuda驱动、sample、tookit已经安装成功，但缺少一些库。
   
10. 下面安装一些库

 sudo apt install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

11. 重新启动图形化界面，如果能够成功登录，则表示不会遇到循环登录的问题，基本说明CUDA的安装成功了：

 sudo service lightdm start

12. 检查是否安装成功
    后面的检查步骤，其实我没有成功，但最后也配成功了，可以参考：检查步骤。最好可以试一下，没成功也没关系，我把那个rc的文件弄好以后也没有成功，但是多输出了一个，但最后也不是正确的情况
13. 设置环境变量，终端中输入：

 sudo vim .bashrc

14. 在打开的文件末尾，添加以下两行：
    64位系统：

export PATH=/usr/local/cuda-9.1/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.1/lib64:$LD_LIBRARY_PATH

32位系统：

export PATH=/usr/local/cuda-9.1/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.1/lib:$LD_LIBRARY_PATH

1. 保存文件：source .bashrc
2. 检查上述的环境变量是否设置成功:
   a、验证驱动版本:cat /proc/driver/nvidia/version
   b、验证CUDA Toolkit：nvcc -V
   
3. 尝试编译cuda提供的例子，看cuda能否正常运行,这个其实我也没有测试成功，基本上上面两个验证验证出来就表示安装成功了，可以进pycharm中测试一下（最后返回的应该是True）：

import torch
print(torch.__version__)
print(torch.cuda.is_available())

七、安装cudnn

cuDNN的安装是建立在我们成功安装cuda的基础上的
注意：cudnn的版本选择是和你所使用的系统以及cuda的版本有关系的，要注意合理选择
cudnn下载链接
这里我以cudnn-10.1-linux-x64-v7.6.5.32.tgz为例子
具体步骤：
１、解压tgz文件：

tar -xzvf cudnn-9.1-linux-x64-v7.tgz

２、复制文件到cuda安装路径下：

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

３、cudnn只能通过版本号来验证是否安装成功
查看cuda版本的指令：cat /usr/local/cuda/version.txt
查看cudnn版本的指令：cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

结果应该如下图所示：

可以看到我的cuda版本为10.1.243
cudnn的版本为7.6.5

八、测试环境是否搭建成功

以上步骤完成后，环境就应该搭建完毕了，可以跑一个程序验证一下。