【只谈干货】最新深度学习环境配置ubuntu18.04+CUDA10.1+pytorch1.3+Anaconda+opencv3.4

本文内容基于重新安装的ubuntu18.04系统。(亲测可用)

1. 安装ubuntu18.04

U盘安装,具体方法请参考其他教程。安装完后最好更新升级一下:

$ sudo apt-get update
$ sudo apt-get upgrade

2. 安装Nvidia驱动

检查推荐的nvidia驱动

$ ubuntu-drivers devices

我的PC上推荐的是 driver: nvidia-driver-430 – distro non-free recommended

自动安装推荐驱动

$ sudo ubuntu-drivers autoinstall 

此处如果UEFI secure boot是启用的话需要设置一个密码

查看GPU信息

$ nvidia-smi

此处可能会报错:NVIDIA-SMI has failed because it couldn’t communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed and running.
原因是没有禁用安全启动(secure boot),需要进入BIOS然后把安全启动disable掉。

3. 安装vim

基础版本安装

$ sudo apt-get install vim

4. 安装anaconda

下载 Python 3.7 version
https://www.anaconda.com/distribution/

安装

$ bash Anaconda3-2019.10-Linux-x86_64.sh

一路默认设置,完成后不需要重启

测试是否安装成功

$ python                 // Python 3.7.4
$ which python           // /home/.../anaconda3/bin/python
$ conda --version        // conda 4.7.12

注意需要先重新打开一个终端,再测试

5. 安装CUDA10.1

下载安装

$ wget http://developer.download.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda_10.1.243_418.87.00_linux.run
$ sudo sh cuda_10.1.243_418.87.00_linux.run
  • 检测到已经有驱动:continue
    在这里插入图片描述
  • 输入:accept
  • CUDA安装选项:不选驱动(由于之前装过驱动,此处选择不安装驱动)
    在这里插入图片描述
    在这里插入图片描述

添加环境变量

$ vim .bashrc

文末添加:
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.1/lib64
export PATH=$PATH:/usr/local/cuda-10.1/bin

$ source ~/.bashrc

测试是否安装成功

$ cd ~/NVIDIA_CUDA-10.1_Samples
$ sudo make all -j8
$ cd bin/x86_64/linux/release
$ ./deviceQuery

Result = PASS 表示安装成功

查看CUDA版本

$ nvcc -V

6. 安装CUDNN

下载
https://developer.nvidia.com/rdp/cudnn-download
cuDNN Runtime Library for Ubuntu18.04 (Deb)
cuDNN Developer Library for Ubuntu18.04 (Deb)
cuDNN Code Samples and User Guide for Ubuntu18.04 (Deb)

安装

$ sudo dpkg -i libcudnn7_7.6.4.38-1+cuda10.1_amd64.deb
$ sudo dpkg -i libcudnn7-dev_7.6.4.38-1+cuda10.1_amd64.deb
$ sudo dpkg -i libcudnn7-doc_7.6.4.38-1+cuda10.1_amd64.deb

测试是否安装成功

$ cp -r /usr/src/cudnn_samples_v7 /$HOME
$ cd $HOME/cudnn_samples_v7/mnistCUDNN/
$ make all
$ ./mnistCUDNN

Test passed! 表示安装成功

查看CUDNN版本

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

7. 安装pytorch

下载安装

$ conda install pytorch torchvision cudatoolkit=10.1 -c pytorch

在这里插入图片描述
其他模块安装好后,pytorch和torchvision的安装进度一直为0%,最后报错:
CondaHTTPError: HTTP 000 CONNECTION FAILED for url <https://conda.anaconda.org/pytorch/linux-64/…>

$ reboot
$ conda install pytorch torchvision cudatoolkit=10.1 -c pytorch

重启后torchvision很快安装完成,pytorch缓慢安装完成
在这里插入图片描述
测试是否安装成功

$ python

在这里插入图片描述

8. 安装opencv3.4

参考https://blog.csdn.net/ys578676728/article/details/102732722

  • 0
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值