深度学习系列笔记——壹（深度学习环境的搭建及填坑之旅，基于ubuntu）

作为一名炼丹师，要学会使用世界上最稳定的系统之一，ubuntu。这篇博客主要介绍Ubuntu在VMware下的安装，以及TensorFlow2.x和PyTorch1.x的搭建和测试。

首先你需要在电脑上安装VMware，限于篇幅，VMware的下载安装等，读者可自行百度之。
1、在官网下载Ubuntu
博主在下载时，选择的是最新的Ubuntu20.04，desktop版。单击即可下载，附上官网链接。
2、利用VMware的简易安装，快速部署Ubuntu。

1、进入虚拟机安装向导

择创建新的虚拟机

2、使用自定义安装

3、选择安装程序光盘映像文件，也就是前面给出的链接，将Ubuntu下载至本地磁盘。点击浏览，在资源管理器中找到它。

4、根据自己的喜好设置全名和用户名还有密码（一定要记住自己的全名和用户名还有密码，否则设置后将无法使用）

根据喜好，为你设置的虚拟机命名，便于管理

5、根据自己的电脑性能，分配处理器和内存大小

由于博主的物理主机内存为8g,故设置为4g即可，过大将无实际用处，若读者的内存较大，可适当调整。

6、设置网络，设置磁盘，设置磁盘类型（基本上跟着推荐配置即可）

此处的立即分配指的是在物理主机上立刻划出30g的空间给虚拟机，若不勾选，则虚拟机在使用过程中根据情况会动态调整在物理机上占用空间大小。

3、进入虚拟机配置各项操作
完成前述操作后，虚拟机自动解压文件，安装至以下节面，点击自己的用户名，登陆系统。输入之前设置的密码。

稍等片刻，即可进入Ubuntu桌面。点击右上角绿色的next，略过提醒。

点击右上角的done，到这一步，已经完成了Ubuntu的基本安装。

接下来，进入终端。按Ctrl+Alt+T

键入conda activate
进入anaconda环境，后续安装TensorFlow的步骤便和之前的Windows下安装方法一致，不再赘述。
注：
如出现下述报错，可尝试使用 source activate 命令即可进入anacondabase环境。
4、在Linux下安装pytorch1.5

1、首先，进入anaconda，
键入 conda create -n pytorch1.5 python==3.7
此命令和之前安装Tensor flow一致，详情可看我之前的一篇博客：
深度学习系列笔记——壹（深度学习环境的搭建及填坑之旅，基于windows）

创建好环境后如下所示：

2、创建好环境后，打开浏览器，进入pytorch官网（会比较慢，稍等片刻）。

进入PyTorch官网： PyTorch
根据选项，pytorch会自动帮你生成需要的指令，本博客是在虚拟机上安装的Ubuntu，因此不能使用GPU加速，故选择的是CUDA：None，在windows下安装同理，如果有Nvidia的GPU且可用，点击相关按钮，将官网生成的命令复制到linux终端运行。
run this command （本博客使用的是：conda install pytorch torchvision cpuonly -c pytorch）

复制到Ubuntu的终端和已创建好的pytorch1.5 环境执行之。

下图最后两行前面的括号代表你当前所在的环境，前面创建好pytorch1.5的环境后，会回到base环境，然后使用 conda activate pytorch1.5 ,进入前面说的创建好的环境。

同样地，由于某些特殊原因，我们需要换源，利用之前的方法，此处我们选择利用国内镜像源，可以在安装前使用以下命令

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

输入之前在pytorch官网得到的命令，回车执行。
结果如下图所示：

然后一路y，同意安装相关软件包

接下来就是conda根据命令，下载相关软件包，这需要一段时间。中间一路y即可。
博主在安装的过程中由于不可抗力的网络原因，出现了部分安装失败的问题。多尝试几次，或者使用科学上网（推荐用，安装更稳定），因为暂时还没有在常用国内镜像网站找到pytorch1.5 。（如有资源，还望读者告知）
下图为利用pip安装时报的错，国内常用的镜像源暂时找不到pytorch的资源。

安装好后，进入环境。输入下述代码，验证是否安装成功。

import torch
print(torch.__version__)

显示出 1.5.1即安装成功。

测试GPU是否可用

import torch
flag = torch.cuda.is_available()
print(flag)

ngpu= 1
# Decide which device we want to run on
device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
print(device)
print(torch.cuda.get_device_name(0))
print(torch.rand(3,3).cuda())