Ubuntu16.04 深度学习环境配置--从系统安装到PyTorch环境配置

最新推荐文章于 2024-08-14 09:08:25 发布

凡士林vasline

最新推荐文章于 2024-08-14 09:08:25 发布

阅读量1.5k

点赞数 4

分类专栏：深度学习环境配置文章标签： Ubuntu系统 PyTorch CUDA\CUDNN 深度学习环境

本文链接：https://blog.csdn.net/weixin_42702800/article/details/103316522

版权

深度学习环境配置专栏收录该内容

2 篇文章 0 订阅

订阅专栏

Ubuntu16.04 深度学习环境配置--从系统安装到PyTorch环境配置

一、U盘制作镜像与系统安装
二、显卡驱动以及CUDA
三、环境安装（conda）

一、U盘制作镜像与系统安装

镜像下载地址：
http://mirrors.ustc.edu.cn/ubuntu-releases/16.04/

1.1 分出ubuntu要用的硬盘空间

右击计算机->管理->磁盘管理

情况一：电脑已分盘：选择想要的本地磁盘->右击->删除卷。

情况二：电脑未分盘，先分盘，最好大于500G。选择要分盘的磁盘->右击->压缩卷->设置你想要分出的盘的大小，然后把分出的盘->右击->删除卷。
记住你为ubuntu分配的磁盘空间大小，后面ubuntu分区好找

1.2 ubuntu启动盘的制作

下载并打开UltraISO 软件，点击文件->打开->选择ubuntu系统的.iso文件
在这里插入图片描述
点击启动->写入硬盘映像

选择你的U盘，点击写入，提示数据会被删除，点确定，U盘提需要清空，等待写入完成

显示刻录成功启动盘制作成功

1.3 安装ubuntu（最好拔掉网线装，比较快，接上网很慢）

重启电脑，进入BIOS界面（开机后还没进入windows之前，一般按F2,esc,F11,可百度自己电脑的型号，查看这型号电脑怎么进BIOS），调整启动优先级，将USB设备优先级设为最高（一般默认硬盘最高，装系统时要修改为USB设备最高，可百度自己型号电脑怎么从U盘启动安装），保存修改退出BIOS，电脑会启动进入系统安装界面。
(1) 选择install ubuntu, 自己设置语言和时间
(2)选择“为图形或无线硬件………”点击继续
(3)选择“其他选项”
在这里插入图片描述
(4)找到你为ubuntu准备的磁盘空间，ntfs类型是Windows的磁盘不要动，ext4类型是ubuntu的磁盘

(5) 点击的“+”创建4个主要的基础分区
创建 / 分区：不要使用截图中推荐的大小，使用下行文字介绍的大小
＞40G（安装root用户软件用的，可适当缩小，在40~80g之间）建议60G（60×1024M），主分区空间起始位置 Ext4日志文件系统挂载点： /
在这里插入图片描述

（6）创建swap分区（或者叫交换空间）：不要使用截图中推荐的大小，使用下行文字介绍的大小
1.5倍内存大小（如8g内存则设为12g）逻辑分区空间起始位置交换空间
在这里插入图片描述
（7）创建/boot分区：不要使用截图中推荐的大小，使用下行文字介绍的大小
1G 逻辑分区空间起始位置 Ext4日志文件系统 /boot

（8）创建/home分区（自己用户的路径，越大越好）:图中大小不要看用我推荐的大小
使用剩下的所有空间逻辑分区空间起始位置 Ext4日志文件系统挂载点 /home
在这里插入图片描述
修改“安装启动引导器的设备”
选择/boot分区（图中是/dev/sda6）选择你之前分配的/boot分区

点击“现在安装”，核对分区 ,差不多和下图相似，后面跟着向导走，设置语言时间用户等。

1.4 遇到的问题

win10系统基础上安装ubuntu双系统我出现了一个问题：

ubuntu开机出现grub，无法引导进入系统

解决方案：(记得安装Ubuntu的时候挂载/boot用的是sda几就比较快能解决了，具体过程如下链接 )
https://blog.csdn.net/luo617/article/details/81321721

二、显卡驱动以及CUDA

2.1 驱动安装

我直接使用的系统建议的384,可以用，于是就不用自己安装驱动了，太麻烦了，方法如下：
系统设置->软件更新->附加驱动，更新NVIDIA驱动，（可能下图会出现附加驱动为空，那么就在命令行输入
sudo apt-get update，再打开看看一般就可以了）
在这里插入图片描述选择384，点击应用更改。进入终端nvidia-smi查看是否安装成功。

2.2 CUDA安装

主要是用CUDA8.0其他版本同理。方法见如下链接：
https://blog.csdn.net/QLULIBIN/article/details/80728355

2.3 CUDNN 安装

cudnn的安装非常简单，

（1）下载安装文件

按需求下载cudnn的安装文件，适合自己的CUDA版本就行。我是CUDA8.0,下载的cuDNN7，cuDNN Library for Linux。(需要注册帐号)：https://developer.nvidia.com/rdp/cudnn-archive

（2）安装cudnn

解压下载的文件，可以看到cuda文件夹，在当前目录打开终端，执行如下命令：

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

（3）查看cudnn版本

在终端输入

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

如果出现下图所示版本信息，说明安装成功。
在这里插入图片描述

三、环境安装（conda）

3.1 Anaconda安装

这个比较简单，可以到 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 下载,也可以去官网下载
下载好后，进入下载anaconda所下载的文件夹，打开终端

sh Anaconda3-5.2.0-Linux-x86_64.sh

根据自己所下载的版本安装anaconda，全选yes一路安装即可。
最后设置下环境变量：

echo 'export PATH="~/anaconda3/bin:$PATH"'>>~/.bashrc
source ~/.bashrc

这时候就可以使用anaconda创建隔离环境了，开始装pytorch：

3.2 PyTorch快速安装

进入正题，在该环境中安装Pytorch等，pytorch官网的安装命令很慢，经常会断开,更改源后安装飞速,因此将Anaconda更改为清华源：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/ 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ 
conda config --set show_channel_urls yes

首先用anaconda创建隔离环境，每次激活隔离环境后安装所需要的包，防止以后多个项目需要不同环境时，出现冲突。隔离环境创建,创建名Pytorch，python3.6的隔离环境，也可以改其他名字：

conda create -n pytorch python=3.6

安装完后，激活该环境

source activate pytorch

退出环境的命令是

source deactivate pytorch

进入激活后的Pytorch隔离环境，开始安装PyTorch

conda install pytorch=1.0.1 torchvision cuda80

还是很慢的话也可以先ctrl+c跳过，再重装。实在不行也可以手动离线安装，下载地址(可以直接在链接里该CUDA和pytorch版本,复制到浏览器下载):
http://download.pytorch.org/whl/cu80/torch-1.0.1-cp36-cp36m-linux_x86_64.whl
pip install ************.whl即可