Ubuntu16.04基于anaconda3 安装cuda9.0+cudnn7.5+pytorch1.1及遇到的问题解答

• 安装cuda9.0
• 安装cudnn7.5
• 安装 pytorch1.1(建议基于conda来 装)
• Errors
• 快捷键 tips

1、安装cuda9.0
方法1：安装cuda9.0

• 卸载原来的cuda

在Ubuntu16.04下安装CUDA的过程并不简单，小白即使看着官方文档也很容易出错，比如说安装CUDA8.0（在线安装）时，对着文档一步步安装下来都没有问题，在最后一条指令执行时：

• sudo apt-get install cuda

你可能会猛然发现终端上显示安装的愕然都是CUDA10.0（也就是最新版本），等到安装结束，你再仔细一看，还确实是安装了10.0。于是就开始抓头自问“不对呀，我明明是照着文档安装下来的呀，怎么就变成10.0的了？！”
原来是安装CUDA的时候，版本自动帮你替换成了最新版（该怎么说呢？！！真是谢谢您了lol）。
解决办法，在上面那条指令后面加上版本号，完整指令就是（以安装CUDA9.0为例子）：
sudo apt-get install cuda-9.0

• 完美安装CUDA9.0

下面回归正题：
卸载方法(图1)

• 打开终端，输入以下指令

sudo apt-get remove cuda
sudo apt autoremove
sudo apt-get remove cuda*

• 然后将终端运行目录切换到/usr/local/下

cd /usr/local/

• 输入dir指令：

dir

可能会看到一个"cuda"或者“cuda-10.0”文件夹，再或者两者都有。
输入指令删除残留的文件夹（以下指令以删除“cuda-10.0”文件夹为例）

sudo rm -r cuda-10.0

图1

方法2：安装cuda9.0

• cudatoolkit下载网址：
  https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=runfilelocal

• 选择版本：
  NVIDIA-Linux-x86_64-410.73.run => cudatoolkit

• cuda下载网址：
  https://conda.anaconda.org/pytorch/linux-64
  见图2（!!!注意除了不安装驱动，其他都yes!!!）

图2

• 查看cuda版本1：nvcc --version
  见图3
  图3

• 查看cuda版本2: cat /usr/local/cuda/version.txt
  见图4
  图4

2、安装cudnn 7.5

• 首先下载 cudnn7 下载路径，适合自己cuda的版本（下载 cudnn7 需要登陆 NVIDIA ，没有 NVIDIA 账号的注册一个就行了。）下载 tgz 压缩文件。我选择的是cuda9.0 cudnn7.5.0 中的 cudnn library for Linux文件。见下图5

网站：
https://developer.nvidia.com/rdp/cudnn-archive

图5

• 首先解压 tgz 压缩文件：
• 接着复制文件到 cuda 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*

• 复制完成然后使用命令，可以看到输出相应的 cuda 和 cudnn 的版本信息

$ nvcc -V

• 查看cudnn版本：

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

3、pytorch & torchvision
https://pytorch.org/
pytorch

• 下载对应的 pytorch & torchvision
• 下载对应的 pytorch & torchvision 的 网站：

https://conda.anaconda.org/pytorch/linux-64

注：版本一定要与电脑中的cuda版本对应

以上下载完了之后，我发现我并没有讲pytorch安装在python3.6下，而是安装在了python3.5下。后来我又卸载了，用conda创建了python3.6的环境来安装的。

• conda install yaml # 否则 在mmdection 的python setup.py install 会有 fatal error

• 用conda创建自己的虚拟环境，这样就不会出现安装串位。
  conda create -n mmdetection python=3.6

• 激活环境
  source activate mmdetection

• 安装PyTorch 1.1
  conda install pytorch=1.1.0 torchvision cudatoolkit=9.0 -c pytorch
  因为没有镜像源，所以，用外源下载的有点慢。。。

• 安装好以后，进入Python环境，输入以下代码测试是否安装成功，不报错则说明安装成功

import torch
import torchvision
print(torch.version)#输出PyTorch版本
4、Errors：

• error1：

解决方法：
cd /home/njaudata/.local/lib/python3.6/site-packages/torch/ 目录下打开终端 ls

发现 _C.cpython-36m-x86_64-linux-gnu.so, _dl.cpython-36m-x86_64-linux-gnu.so两个so文件的文件名都太长了，需要进行修改。

采用cp 的方式复制两个文件：

/usr/local/lib/python3.5/dist-packages/torch/$ sudo cp _C.cpython-36m-x86_64-linux-gnu.so _C.so
/usr/local/lib/python3.5/dist-packages/torch/$ sudo cp _dl.cpython-36m-x86_64-linux-gnu.so _dl.so

结束后出现下图

https://blog.csdn.net/sparkexpert/article/details/77675581?locationNum=7&fps=1
这个博主写的很好。

• error2：
  libmkl_intel_lp64.so: cannot open shared object file: No such file or directory
  

libmkl_intel_lp64.so是一个动态链接库文件，系统找不到。
解决方法：

• 搜索该文件路径
  $ sudo find /home -name libmkl_intel_lp64.so
  
  如果这个文件确实存在，就会显示它的路径，如：/home/xxx/anaconda3/lib/libmkl_intel_lp64.so
• 将上一步搜索出来的路径添加到环境变量
  先打开当前用户环境变量配置文件bashrc
  $ sudo gedit ./.bashrc
• 在最后面添加一行：
  export LD_LIBRARY_PATH=/home/xxx/anaconda3/lib:$LD_LIBRARY_PATH

注：路径就是上一步搜索出来的路径。

• 更新环境变量配置文件并显示
  $ source ./.bashrc
  $ echo $LD_LIBRARY_PATH
  注：如果更新不了的话，此处需要重起。

• error3：
  ModuleNotFoundError: No module named ‘numpy.core._multiarray_umath’
  numpy是一个基础的数组计算包，pytorch、Tensorflow、 tensorboard、Keras-Preprocessing、h5py、pandas等一系列常用的第三方库都需要numpy的支持。这里提示numpy.core._multiarray_umath failed to import和numpy.core.umath failed to import ，得知无法正常import tensorflow 的原因是numpy库的引用出了问题。

解决方法：

• 方法1：
  pip install --user --upgrade numpy #将numpy更新到最新版本

• 方法2：
  :1、 pip install --upgrade --force-reinstall numpy1.14.5 #重新安装合适的numpy版本
  or
  2、pip install numpy1.16
  亲测1.14.5版本和1.16版本的numpy可以fix这个error。

5、 快捷键 tips:

• conda虚拟环境：
  conda create -n envname conda

• 激活虚拟环境：
  source activate envname conda

• 退出虚拟环境：
  source deactivate conda

• 列出所有虚拟环境：
  conda env list conda

• 克隆虚拟环境：
  conda create -n envname --clone evnname1 conda

• 删除虚拟环境：
  conda remove -n envname --all conda

• 虚拟环境安装包：
  conda install -n envname package，
  例如：conda install -n envnam

• 查看python版本

方法一：
　　python -V

注意：‘-V‘中‘V’为大写字母，只有一个‘-’

方法二：
　　python --version　　
　　注意：‘–version’中有两个‘-’

• 查看python安装位置
  方法一：　
  　　python -c “import sys; print sys.executable”
  方法二：
  　　python -c “import os; print os.sys.executable”
  　　python -c “import os; path = os.sys.executable;folder=path[0 : path.rfind(os.sep)]; print folder”

• 查看Numpy版本
  python -c “import numpy; print numpy.version.version”
  或
  python -c “import numpy; print numpy.version”

• 查看Numpy安装路径
  python -c “import numpy; print numpy.file”