如何用裸机从零开始配置深度学习环境

安装显卡驱动

没有安装显卡驱动时，nvidia-smi命令失败

1. 关闭linux的桌面模式sudo service lightdm stop
2. init 3打开非图形化界面进行安装
3. 到https://www.nvidia.cn/Download/index.aspx?lang=cn下载合适的显卡驱动，我们这下载的是NVIDIA-Linux-x86_64-450.66.run
4. 给文件加可执行权限chmod +x NVIDIA-Linux-x86_64-450.66.run
5. 安装即可sudo./NVIDIA-Linux-x86_64-440.44.run
6. nvidia-smi可以看到显卡内容

安装CUDA

1. https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=runfilelocal下载cuda10，可以用wget，也可以手动下载再上传
2. 安装cuda，并指定安装目录sudo sh cuda_10.0.130_410.48_linux.run --silent --toolkit --toolkitpath=/home/env/cuda10
3. https://developer.nvidia.com/rdp/cudnn-archive#a-collapse51b下载cudnn（要先注册）
4. 将cudnn中的文件转移到cuda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*

5. 将 环境变量配置文件在当前用户主目录下vim .bashrc，填入如下配置

export PATH=/usr/local/cuda-8.0/bin:$PATH export CUDA_HOME=/usr/local/cuda-8.0/bin:$CUDA_HOME export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:/usr/local/cuda-8.0/extras/CUPTI/lib64:$LD_LIBRARY_PATH

6. nvcc -V查看是否配置成功

安装anaconda

1. 下载anaconda，运行sh Anaconda3-2020.07-Linux-x86_64.sh
2. 配置conda环境，在当前用户主目录下vim .bashrc，填入

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

配置虚拟环境

1. 配置清华镜像

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

2. 创建虚拟环境conda create -n env_name python=3.6
3. 安装各种包
4. 运行程序

公众号关注我，带你拿大厂offer >_<