开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> Python知识库 -> ubuntu20.04双系统安装+深度学习一条龙（CUDA、cuDNN、Anaconda、pytorch、pycharm）安装 -> 正文阅读

[Python知识库]ubuntu20.04双系统安装+深度学习一条龙（CUDA、cuDNN、Anaconda、pytorch、pycharm）安装

前言

最近想要在linux下搭建深度学习框架，一方面用于学习，另一方面满足课题需要。我的设备是联想R7000-2020，配置是R5 4600H+GTX1650+500G固态+1T机械（比较拉），电脑装的是win10，为了满足日常需求，所以想着装个双系统（win+ubuntu），在ubuntu上配置深度学习。

一、安装ubuntu20.04.4

1.准备工作

我们需要提前准备好一个U盘（16g以上），用于制作系统启动盘。从下面这个网站可以下载ubuntu各版本的镜像，这里我下的是20.04.4。

清华大学镜像网站

在这里插入图片描述

注意选择发行版本的时候选Desktop liveDVD，这个版本是有桌面的。下载完之后就得开始制作启动盘了，可以用UtraISO软碟通来制作。直接从官网下载试用版就行软碟通官网。下载之后的制作方法如下：

ultraiso制作u盘启动盘教程图文详解

制作完成后就可以进行下一步操作了。

在windows硬盘中创建一个新的卷给ubuntu，便于新系统的安装。这一步很重要，如果处理不好，轻则需要重装ubuntu，重则电脑数据丢失。网上有很多教程说分个50G给ubuntu就好，实验证明，这是傻*行为，空间不够大，等需要的时候就晚了，还得删除其他文件腾地儿，甚至重装系统，难受的一批。由于我固态中存放的文件较多，没法分太多空间，所以我准备在机械硬盘中分出400G给ubuntu（其实有点多了）。创建新卷的方法可以参考下面这个

win7、win10磁盘分区

2.开始安装

新建分区后，就可以把启动盘插上，准备安装系统了，进入开机进入bios，设置启动顺序，U盘第一，F10保存后会进入ubuntu安装界面。安装的过程网上教程有很多，我这里就贴一个Win10下UEFI环境安装Ubuntu 16.04双系统教程，但是里面分区的时候推荐的大小不要按照那个，可以参考我这个，主要还是efi和根目录。

名称	大小
efi	2-4g
swap	16g
/	50g
/home	100g
/user	剩余全部

二、安装英伟达驱动（方案一）不推荐

该方案是从官网下的最新的驱动，过程有点繁琐。

1.下载NVIDIA驱动

根据自己的显卡，从官网下载驱动英伟达官网

2.安装GCC

打开终端（ctrl+alt+T），按顺序输入以下代码

sudo apt-get install gcc

sudo apt-get update

sudo apt-get install make

一般安装的gcc都是9.4版本的了

3.卸载原有NVIDIA驱动（一般都没有）

打开终端（ctrl+alt+T），输入以下代码

sudo apt-get remove --purge nvidia*

4.禁用通用驱动

sudo gedit /etc/modprobe.d/blacklist.conf 或者(blacklist-nouveau.conf)

在打开的blacklist.conf末尾添加

blacklist nouveau
options nouveau modeset=0

保存后，在终端输入如下代码，更新内核

sudo update-initramfs –u

然后输入reboot重启系统。重启后输入以下代码检查是否关闭驱动，没有输出表示关闭成功。

lsmod | grep nouveau

很多教程还需要安装LightDM，我安装了电脑会进不去系统，所以我就没安装，也没发现有什么异常。
5、进入到下载的英伟达驱动目录，默认是在下载里，我们从该目录进入终端。
在这里插入图片描述
按顺序输入以下代码

sudo chmod  a+x NVIDIA-Linux-x86_64-460.84.run //对应自己下载的驱动名称
sudo ./NVIDIA-Linux-x86_64-460.84.run -no-x-check -no-nouveau-check -no-opengl-files
// 注意：后面三个选项的前面都是：减号“-”

其中
-no-x-check：安装驱动时关闭X服务
-no-nouveau-check：安装驱动时禁用nouveau
-no-opengl-files：只安装驱动文件，不安装OpenGL文件（最重要）

安装过程中会弹出一些选项，根据需要选择就行（其实是我忘了咋选了）。安装完成后在终端输入 nvidia-smi可检测驱动是否已经安装。正常的是这样的：
在这里插入图片描述

三、安装英伟达驱动（方案二）推荐

该方案是从ubuntu自带的软件库里安装稳定版的驱动，过程很简单。

1.查看推荐驱动版本

在终端输入以下代码

ubuntu-drivers devices

可以看到如下信息：
在这里插入图片描述
红色框部分表示推荐的驱动版本。我们直接运行以下代码，会自动安装推荐版本驱动。

sudo ubuntu-drivers autoinstall

安装完成后重启，输入nvidia-smi即可查看是否完成安装。

三、安装CUDA及cuDNN

1.下载CUDA

可以从官网下载CUDA下载，我下载的是11.1.0版本的CUDA。
在这里插入图片描述

在终端输入红框的代码即可下载并安装CUDA。在安装过程中注意取消第一项显卡驱动前面的X，因为CUDA自带显卡驱动，这样会造成重复安装，导致安装失败。

2.配置环境变量

在终端输入

gedit ~/.bashrc

在打开的文件最后一行添加以下内容

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda

最后再激活一下

source ~/.bashrc

在终端输入以下代码检查是否完成安装

nvcc -V

正常安装的界面如下
在这里插入图片描述

3.安装cuDNN

首先还得去官网下载cuDNN，下载需要注册登陆，要与CUDA版本对应。
在这里插入图片描述
下载完成后需要解压，在ubuntu里叫做提取，右键压缩包，就可以看到提取到此处，解压后，进入CUDA文件夹，并在该目录打开终端，输入以下代码

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/

sudo cp cuda/include/cudnn_version.h /usr/local/cuda/include/
 
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
 
sudo chmod a+r /usr/local/cuda/include/cudnn.h
 
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

即可完成文件的复制，之后输入cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2(老贼把验证文件移到cudnn_version.h里面了)，出现以下界面表示安装成功。

在这里插入图片描述

四、安装Anaconda及pytorch

Anaconda是一个开源的Python发行版本，包含了conda、Python等180多个科学包及其依赖项，可以用于包管理器和环境管理。比如A项目中用了Python2，而B项目使用Python3，而同时安装两个Python版本可能会造成许多混乱和错误，这是使用Anaconda就可以为不同的项目建立不同的运行环境。

PyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序。2017年1月，由Facebook人工智能研究院（FAIR）基于Torch推出了PyTorch

1.安装Anaconda

进入清华镜像下载Anaconda，我下的版本是这个

在这里插入图片描述
下载完成之后进入安装包所在目录，使用bash指令进行anaconda安装：

bash Anaconda3-2020.11-Linux-x86_64.sh #改成自己下载的版本

一路yes就可以。最后输入以下代码检查是否完成安装

conda info

在这里插入图片描述

2.安装pytorch

首先要使用Anaconda创建一个虚拟环境，用于安装pytorch，这一步很重要。在终端输入以下代码查看目前已有的虚拟环境。

conda info --envs

在这里插入图片描述
其中base后面的*表示基层或者当前的环境，在用户前面的括号也会显示当前的环境，输入以下代码创建新的虚拟环境

conda create --name torchEnv python=3.8

其中torchEnv表示创建的虚拟环境的名称，选择的python版本为3.8，创建完成后激活该环境

activate torchEnv

接下来要切换环境，在新环境中安装pytorch。按照以下顺序输入代码

# 查看已有的虚拟环境，选择你要切换到的虚拟环境
conda env list
#选择虚拟环境，这里我选择的是torchEnv
conda activate torchEnv

完成后不要关闭终端，前往pytorch官网，按照下图选择版本。
在这里插入图片描述注意红框的命令，复制下来，并在后面加上以下代码-i https://pypi.douban.com/simple/表示从豆瓣源下载pytorch，完整的代码如下：

pip3 install torch==1.8.2+cu111 torchvision==0.9.2+cu111 torchaudio==0.8.2 -f https://download.pytorch.org/whl/lts/1.8/torch_lts.html -i https://pypi.douban.com/simple/

完成后就可以准备下一步啦。

五、安装pycharm及配置pytorch解释器

1.安装pycharm

从官网下载社区版（专业版要钱），下载完成后解压缩，解压的方法就是右键提取到此处，进入加压后的文件夹，再进入bin，在bin目录下进入终端
在这里插入图片描述
在终端里输入以下代码，打开pycharm

sh pycharm.sh

打开之后会弹出一个小框，我们把它最大化就可以看到创建新项目，点击创建新项目，就进入了软件里面，汉化可以按照以下步骤

在这里插入图片描述
点击设置后弹出以下界面

在这里插入图片描述
重启后就实现了汉化。同时，在工具-创建桌面条目可以生成桌面快捷方式。

2.配置pytorch解释器

按照以下步骤即可

在这里插入图片描述
点击后选择编辑配置

在这里插入图片描述
选择我们在第四部分创建的torchEnv虚拟环境，确定后，重启即可。

我们试着在主程序输入以下代码，测试是否有问题。

import torch
# 创建tensor
x = torch.rand(4, 3)
print(x)
# 构造数据类型为long，数据是0的矩阵
x = torch.zeros(4, 3, dtype=torch.long)
print(x)

输出为

在这里插入图片描述

写在最后

在这个过程中，遇到了一些小问题如下：

1、安装ubuntu时给efi分区太少（200M）不够用只能重装
2、第二次安装过程中，不小心把磁盘类型（F盘和G盘）变成了动态硬盘，只好把该盘里的东西移走，格式化硬盘后变回了基本硬盘。
3、安装pytorch时网不行，采用conda的方式下载不了，只能通过pip，同时清华源挂了，只好用豆瓣源下载。
4、下载pycharm后打开找不到创建项目的选项，原来是没有最大化（珍妮马荔浦）。

如果一切顺利的话，这次的教程就结束了，文中有些引用，就不一一列举了，有问题请在评论区留言，谢谢各位。（写了这么多给个赞不过分吧～）