Ubuntu18.04安装Pytorch

记录自己ubuntu18.04安装pytorch的心得，anaconda3-5.2已经安装好，这里不再详述。

目录

1.CPU版本Pytorch安装

2.GPU版本Pytorch安装

3.相关网址及总结

---

1.CPU版本Pytorch安装

CPU版本的pytoch安装比较简单，在Pytorch官网中选择python版本，运行conda或者pip命令即可，如下图所示。注意，为了方便多个Python版本的管理，通常需要在anaconda中创建新的环境空间。

2.GPU版本Pytorch安装

GPU版本的pytorch安装比较复杂，在安装pytorch之前，通常需要安装显卡驱动，cuda和cudnn，CUDA是NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只能在NVIDIA的GPU上运行；cuDNN（CUDA Deep Neural Network library）：是NVIDIA打造的针对深度神经网络的加速库，是一个用于深层神经网络的GPU加速库。如果你要用GPU训练模型，cuDNN不是必须的，但是一般会采用这个加速库。CUDA是必须的，cudnn是可选的。

通常需要考虑：

（1）检查显卡型号是否支持GPU运算

检查方法：终端输入

ubuntu-drivers devices

得到以下结果：

图中，“model”对应的就是电脑显卡型号，“driver”中后面带有“recommanded”就是推荐的显卡驱动型号。根据显卡型号到英伟达官网查询是否支持GPU。

网站显示如下：

先选择“CUDA GeForce and TITAN Products”，再看具体型号，电脑GPU为GTX 1050，支持GPU 运算。

（2）安装显卡驱动

确定显卡支持GPU 运算后，接下来需要安装显卡驱动，目前尝试过两种安装方法，都成功了。

安装方法一：

系统“软件和更新”，“附加驱动”，选择推荐的驱动安装。

安装方法二：

运行以下命令，安装所有驱动

sudo ubuntu-drivers autoinstall

或者只安装推荐的驱动

sudo apt install nvidia-435

判断驱动是否安装成功

方法一：

终端输入命令

sudo nvidia-smi

显示以下信息则表示安装成功

方法二：

系统设置查看“图形”信息，变为英伟达的显卡类型即可。

（3）GCC降级

CUDA 9.0仅支持GCC 6.0及以下版本，而Ubuntu 18.04预装GCC版本为7.3，需要手动降级。

安装4.8版本的g++和gcc，命令如下：

sudo apt-get install gcc-4.8
sudo apt-get install g++-4.8

装完后进入到/usr/bin目录下，链接到低版本，命令如下：

sudo mv gcc gcc.bak #备份
sudo ln -s gcc-4.8 gcc #重新链接
sudo mv g++ g++.bak
sudo ln -s g++-4.8 g++

检查是否修改成功，命令：

gcc --version
g++ --version

显示结果如下，则修改成功。

（4）安装cuda

cuda和cudnn、pytorch版本之间要保证对应，能够支持。以下网址中有之前各版本的cuda下载（https://developer.nvidia.com/cuda-toolkit-archive），本文选择的是cuda9.0，根据系统环境选择合适的版本下载，有补丁的连补丁一同下载。关于Ubuntu系统一项，记住一个原则：高版本兼容低版本。即cuda9.0只有14.04和16.04两个选项，但18.04版本兼容这两个版本，所以cuda9.0也可以用于18.04版本的Ubuntu。

下载完成后，在下载路径下执行命令

sudo sh cuda_9.0.176_384.81_linux.run

安装过程中，以下选项选择no，其余选择yes或者默认。

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 352.39? ((y)es/(n)o/(q)uit): n

此外，安装结束前，会出现warning：In complete Installation，可以忽略。

***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 384.00 is required for CUDA 9.0 functionality to work.
To install the driver using this installer, run the following command, replacing  with the name of this run file:
    sudo .run -silent -driver

Logfile is /tmp/cuda_install_4242.log

随后执行以下命令安装补丁：
 

sudo sh cuda_9.0.176.1_linux.run
sudo sh cuda_9.0.176.2_linux.run
sudo sh cuda_9.0.176.3_linux.run
sudo sh cuda_9.0.176.4_linux.run

安装完成后，打开.bashrc文件，在终端输入：

sudo gedit ~/.bashrc

在文件的末尾添加下面两行，注意修改成你的安装路径：

export PATH="/usr/local/cuda-9.0/bin:$PATH" #这里添加路径出错的话最好加上双引号把路径括起来，这里已经加上了双引号
export LD_LIBRARY_PATH="/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH"

测试cuda是否安装成功：
先重启终端，随后执行命令：
 

nvcc -V

之后，编译 CUDA Samples，注意改为自己的安装路径和版本：

cd NVIDIA_CUDA-9.0_Samples/0_Simple/vectorAdd
make
./vectorAdd 

出现下面的Test PASSED代表CUDA安装成功。

（5）安装cudnn

安装的cudnn版本要与cuda版本对应，注册英伟达账号后，登陆以下网站选择相应的版本下载，这里选择的是cudnn-9.0-linux-x64-v7.6.0.64。

由于下载的是.solitairetheme8格式的压缩文件，在下载路径下执行命令：

cp  cudnn-9.0-linux-x64-v7.6.0.64.solitairetheme8 cudnn-9.0-linux-x64-v7.6.0.64.tgz

tar -xvf cudnn-9.0-linux-x64-v7.6.0.64.tgz

先转化为tgz格式，再解压。随后进入解压路径，执行：

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

注：在安装过程中，我将所有的下载文件剪切到主文件夹中，再运行指令，避免频繁切换路径。安装完成后，这些文件可以删除。

（6）安装pytorch

安装pytorch的时候，同样需要考虑与cuda版本对应，以下网址中（https://pytorch.org/get-started/previous-versions/）有历史版本的pytorch，选择合适的版本，并执行conda或者pip命令即可。这里选择的是v1.1.0。

注：安装pytorch时，和CPU版本一样，新建python环境空间。

3.相关网址及总结

（1）自己安装过程中及本博客，主要参考以下博客：
Ubuntu18.04下安装深度学习框架Pytorch（GPU加速）

解压.solitairetheme8文件

CUDA 版本，显卡驱动，Ubuntu版本，GCC版本之间的对应关系

GPU，CUDA，cuDNN的理解

（2）安装思路

安装anaconda，显卡是否支持，安装显卡驱动，GCC 降级，安装cuda，安装cudnn，新建python环境，安装pytorch

版本对应：系统版本（高兼容低），cuda版本、cudnn版本、pytorch版本

关于版本对应关系，可以到上文提到的网址中查看。

（3）下载网址

cuda最新版下载：

https://developer.nvidia.com/cuda-downloads

cuda历史版本下载：

https://developer.nvidia.com/cuda-toolkit-archive

pytorch最新版下载：

https://pytorch.org/

pytorch历史版本下载：

https://pytorch.org/get-started/previous-versions/

cudnn最新版下载：

https://developer.nvidia.com/cudnn

cudnn历史版本下载：

https://developer.nvidia.com/rdp/cudnn-archive

anaconda最新版下载：

https://www.anaconda.com/distribution/

anaconda历史版本下载：

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/