Ubuntu 20.04安装及pytorch深度学习框架配置

在Ubuntu 20.04发布第二天就安装了。感觉很爽。利用两天的时间学习配置了深度学习框架pytorch 1.5。

Ubuntu 20.04安装

参照Ubuntu 20.04 LTS 桌面版详细安装指南
https://www.sysgeek.cn/install-ubuntu-20-04-lts-desktop/

从阿里云镜像下载 Ubuntu 20.04 LTS 映像，
http://mirrors.aliyun.com/ubuntu-releases/20.04/

使用以下程序或方法创建可启动的 USB 驱动器：

启动U盘制作

参照：
https://www.sysgeek.cn/make-ubuntu-usb-flash-drive/
一旦Ubuntu的ISO下载安装，我们就需要将其写入到U盘当中。其实无法你在哪种操作系统中制作Ubuntu安装U盘的方式都大相径庭，本案例用
Windows中制作Ubuntu安装U盘。

Universal USB Installer是一个Windows下制作Linux安装U盘非常流行和常用的一个工具，该工具是绿色版本不需要安装，支持当前主流的Linux发行版，当然也支持Ubuntu。

安装ubuntu 20.04

最最最关键的就是分区这一步，这一步直接影响你安装双系统是否成功，请务必看仔细！
系统分区参照：
https://blog.csdn.net/DeMonliuhui/article/details/77483523

efi系统分区必不可少。
本案例的分区图：

Ubuntu 20.04配置深度学习环境

Ubuntu20.04 安装 Anaconda3

Anaconda 是一个用于科学计算的 Python 发行版，支持 Linux, Mac, Windows, 包含了众多流行的科学计算、数据分析的 Python 包。

在清华大学开源软件镜像站下载，如图2和图3所示。
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?C=M&O=D

下载之后，在终端运行：
bash ~/Downloads/Anaconda3-2020.02-Linux-x86_64.sh

anaconda会自动将环境变量添加到PATH里面，如果后面你发现输出conda
提示没有该命令，那么你需要source ~/.bashrc 这样就是更新环境变量，就可以正常使用了。
 如果发现这样还是没用，那么需要收到添加环境变量
编辑~/.basrc 文件，在最后面加上:

export PATH=/home/xjgao/anaconda3/bin:$PATH

保存退出后：source ~/.bashrc
再次输入conda list测试看看，应该就是没有问题啦！

安装pycharm,参考：https://blog.csdn.net/qq_15192373/article/details/81091278

Ubuntu如何查看显卡信息及安装NVDIA显卡驱动

参照：
https://blog.csdn.net/qiancaobaicheng/article/details/95096354
查看显卡型号
在第三次安装过程中，发现安装系统自动安装显卡驱动了，也许是因为我在安装是选择了：安装第三方驱动软件。系统安装之后，发现有循环登陆系统界面，就进入tty（ctrl + Alt +F3)，然后安装了lightdm:
sudo apt-get install lightdm，系统会让选择dm3还是lightdm，系统默认的是dm3，但是我选择了lightdm退出，一切正常。
然后打开终端，输入：nvidia-smi，显示如下：

Ubuntu 20.04 CUDA&cuDNN安装方法

Ubuntu 20.04 CUDA&cuDNN安装方法:
https://blog.csdn.net/ashome123/article/details/105822040/

从https://developer.nvidia.com/cuda-toolkit-archive下载对应版本的cuda，选择18.04的版本即可。
选择：cuDNN Library for Linux 下载
下载之解压：
$ tar -xzvf cudnn-10.2-linux-x64-v7.6.5.32.tgz

Copy the following files into the CUDA Toolkit directory, and change the file permissions.
$ 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*

验证安装成功与否，推荐简易记录：安装GPU驱动，CUDA和cuDNN

检查CUDA是否正常工作。

cuda-install-samples-10.x.sh ~ #安装cuda 10.x的样本到~目录下，替换x为你的版本号
cd ~/NVIDIA_CUDA-10.x_Samples #进入Sample目录
make #有点耗时，如果系统版本不匹配，gcc版本可能会导致报错。
./1_Utilities/deviceQuery/deviceQuery #执行检查程序

如果你是在Ubuntu20.04上通过添加Ubuntu18.04的CUDA库下载的CUDA，那么你应该会碰到gcc版本报错，比如不支持8以上的gcc。只需要添加新的版本的gcc再执行make及之后的代码即可:

cat /proc/driver/nvidia/version #查看本来的gcc版本
sudo apt install build-essential
sudo apt -y install gcc-8 g+±8 #安装gcc 8，根据报错实际情况可作调整。
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-8 8
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g+±8 8
#sudo update-alternatives --config gcc #调整默认gcc，之安装gcc 8则无须执行.

再次make依然出错，提示原因在于：
cudaNvSci.h:14:10: fatal error: nvscibuf.h:
似乎这是NVIDIA的老问题，直接忽略就可以，即：make -k
等待一段时间，编译完成后，./1_Utilities/deviceQuery/deviceQuery #执行检查程序
执行deviceQuery后会输出一些信息，主要检查“Detected X CUDA Capable device(s)”是否检测到了你实际上拥有的GPU数量；及“Device x: …”名称处显示的GPU型号是否正确；和最下出的Result = PASS，即表示通过测试：

ubuntu 20.04快速安装pytorch 1.5，清华镜像源

快速安装pytorch，清华镜像源，
https://blog.csdn.net/zzq060143/article/details/88042075
根据pytorch 官网提示，适当修改参考博客里的内容。
第二次安装时候，依然很慢，发现pytorch还是从官网下载的，由此：在清华镜像里面，用 wget {下载需要的pytorch版本} 到服务器，然后直接conda install {downloaded_pytorch}

最终效果