ubuntu20.04深度学习环境配置

以下步骤参考：

感谢各位优秀博主的资源提供，此处这是字节配置环境的一些记录！！！

ubuntu20.04 下深度学习环境配置 史上最详细教程_来自γ星的赛亚人的博客-CSDN博客_ubuntu深度学习环境配置ubuntu20.04 + cuda11.0.2 + cudnn11.0 + anaconda3 + pytorch + pycharm 环境配置https://blog.csdn.net/m0_58678659/article/details/122932488?spm=1001.2014.3001.5506

1.显卡驱动

     直接通过ubuntu图形界面Software&updates - additionnal drivers  选择之后apply即可;之后重启电脑通过nvidia-smi  查看是否安装成功即可；

 2.cuda安装  

此处根据自己的电脑显卡驱动版本对应即可，可以实现向下兼容  

此处为11.6.2所对应的版本cuda   链接（一定对应好版本）CUDA Toolkit 11.6 Update 2 Downloads | NVIDIA DeveloperResources CUDA Documentation/Release NotesMacOS Tools Training Sample Code Forums Archive of Previous CUDA Releases FAQ Open Source PackagesSubmit a BugTarball and Zip Archive Deliverableshttps://developer.nvidia.com/cuda-11-6-2-download-archive?target_os=Linux&target_arch=x86_64&Distribution=Ubuntu&target_version=20.04&target_type=runfile_local

注意：1.解压安装包命令，注意对应好自己版本tar -xvf cudnn-linux-x86_64-8.4.1.50_cuda11.6-archive.tar.xz

           2.安装之后，在更新环境变量的过车中 如果出现nvcc -V 命令无法找到 ----则需更新地址变 量

           3.除了在/.bashrc中配置LD_LIBRARY_PATH路径以外，还需要配置PATH路径，完整配置如下：

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

3.cudnn安装

按照对应版本关系选择cudnn版本进入官网下载，https://developer.nvidia.com/rdp/cudnn-downloadhttps://developer.nvidia.com/rdp/cudnn-download注意：若出现无法获取’cuda/include/cudnn.h’

解决方案：在解压文件夹目录打开终端依次输入

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

检测安装成功：cat cuda/include/cudnn_version.h |grep ^#

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

3.Anaconda安装

具体安装版本及对应链接

Old package lists — Anaconda documentationhttps://docs.anaconda.com/anaconda/packages/oldpkglists/

提供国内源的anaconda下载，此处提供的是  Anaconda3-2021.11-Linux-x86_64.shhttps://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2021.11-Linux-x86_64.shhttps://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2021.11-Linux-x86_64.sh

安装命令更改：chmod +x Anaconda3-2021.11-Linux-x86_64.sh
                          bash Anaconda3-2021.11-Linux-x86_64.sh

注意：在安装包现在的文件夹里面打开终端就行，之后后续步骤按照开头多提供的链接一次进行就可;并且输入python检测是否安装成功之后，通过ctrl+d 退出编译环境（高手忽略即可）；

虚拟环境创建conda create -n songpytorch python=3.8 pip=21  这里指定了pip的版本，防止版本过新导致的报错，可参考视频！手把手教你在Linux OS上配置支持GPU的深度学习环境_哔哩哔哩_bilibili为深度学习框架配置环境一直以来都是个令专注于算法的工程师和研究员们头疼的问题。本期视频将以Ubuntu、Anaconda 3和TensorFlow 2.x为例，在配置有NVIDIA GPU的机器上为大家展示并讲解如何从头安装适用于主流深度学习框架的环境。, 视频播放量 720、弹幕量 0、点赞数 15、投硬币枚数 11、收藏人数 51、转发人数 4, 视频作者 微软智汇AI, 作者简介 AI Talent Program | 公号：智汇AI | 合作 msatp@microsoft.com ，相关视频：有幸遇见-b站最全最简洁易学的深度学习环境配置教程Anaconda+Pycharm+CUDA+CUdnn+PyTorch+Tensorflow，【ssh远程连接服务器教程】租了GPU服务器不知道怎么深度学习？看完不会你打我，最详细的 Windows 下 PyTorch 入门深度学习环境安装与配置 CPU GPU 版 | 土堆教程，【conda教程】【机器学习环境搭建】使用Miniconda管理隔离虚拟Python环境，31 深度学习硬件：CPU 和 GPU【动手学深度学习v2】，保姆级教学深度学习工作站环境配置，【小白入门 通俗易懂】2021韩顺平 一周学会Linux，PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】，33、完整讲解PyTorch多GPU分布式训练代码编写，【傻瓜式】手把手教你搭建深度学习环境以及跑通Github代码（以Pix2PixGAN为例）https://www.bilibili.com/video/BV1gU4y1S7fq?spm_id_from=333.1007.top_right_bar_window_history.content.click&vd_source=2939c1a62a02e68078c795a714993716

4.Pytorch安装

进入官网PyTorchAn open source machine learning framework that accelerates the path from research prototyping to production deployment.https://pytorch.org/

选择对应版本，安装最好直接从官网安装，如果由于网速原因导致安装某个包失败的话就重复conda命令多安装几次，他会自动判断附件包是否已经安装过了。

检测是否安装完成：依次输入

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

如果安装完成输出如下

 ok！！！

5. 除了上述的验证方式，有的用户也可以通过命令行进入python环境依次输入

import torch
print(torch.cuda.is_available())
print(torch.backends.cudnn.is_available())
print(torch.cuda_version)
print(torch.backends.cudnn.version())

显示结果

 如果依次显示证明安装成功！！！