Ubuntu深度学习的环境配置

前几天，我们导师派遣一位师兄躲在导师车里秘密潜入学校，目的是为了在学校实验室里几台机器上装配远程操控软件，方便我们在家里就可以实现对网络的训练。（没有云服务器的寒酸）
结果分给我了一台我从来没就没有用过的电脑，对上面的环境啥的都不清楚，就这样我就开始了长达一天多的Ubuntu深度学习环境的配置过程。其实我原先在Windows上配置过不止一次环境了，对于整个流程是驾轻就熟的，但是在Ubuntu上从来就没有试过，原先尝试用Ubuntu的电脑跑程序也几乎都没有成功过（毕竟是个菜鸟，Win傻瓜操作系统，什么都可视化操作）。下面啥也别说了，直接开始说明我的安装历程和中间遇到过的坑。

1.安装Anaconda

直接去清华镜像进行下载
下载完了之后，先进入这个安装包所在的路径，然后输入命令：

bash 下载好的文件名

随后就是一系列的enter和accept的选择，但是到最后一步，会提示是否把anaconda加入到系统环境变量中：
建议像我这样的菜鸟来说，就不要加了，直接回车，默认就是no。
你以为就这样安好了吗，当你在命令行输入conda的命令，你会发现command not found，这就是前面选择了no的原因，所以我们需要自己手动将anaconda的bin目录加入PATH。
在这里以Anaconda2为例
我们采用如下的命令来实现上述操作（下列两个命令均可）：

echo export PATH="~/anaconda2/bin:$PATH" >> ~/.bashrc（去掉单引号）
echo 'export PATH=~/anaconda2/bin:$PATH' >> ~/.bashrc（去掉双引号）

还有最后一步比较重要，就是我们需要更新bashrc来使我们刚刚的修改立即生效，于是我们采用：

source ~/.bashrc

到此为止我们就安装成功了。

2.用Anaconda创建新的虚拟环境

既然Anaconda都装上了，我们就先用一用吧，先创建一个虚拟环境放在这里，这里就会碰到第一个坑。
创建虚拟环境我们采用语句：
我一般使用的python3.6版本的，而且使用的深度学习的框架是pytorch，所以名称叫做pytorch。

conda create -n pytorch python=3.6

这里说一下遇到的第一个坑以及解决办法。
这是和anaconda有关的，就是先开始你可能还能用，但是当网不好或者没有用清华源来下载安装东西的时候，下的东西会断开，当断了你重新输入相同的指令进行下载的时候就会报出：
段错误（核心已转储）
这个错误困扰了我大半天，是真的大半天。
首先我去直接去搜索这个错误的有关信息，结果收到的都是：
超过了栈的边界，然后把栈的大小设置大一点就可以了。对推荐使用如下语句来扩充栈的空间：

ulimit -s  102400
ulimit -c unlimited

但是这样的操作只能对当下命令行窗口执行的程序有用，对于其他的程序是没有作用的，于是网上还给出了一种一劳永逸的方案，那就是修改bashrc，这样就能对所有程序都管用了。修改的方案如下：
首先采用gedit ~/.bashrc来进到bashrc的编辑页面，然后在最后一行加上上面两行。
我想肯定的是这种方法在一开始确实有用，但是你在多装了一些东西之后就会一直报这个错误，就是只要你使用和conda有关的命令，这个错误就会一直困扰你，直到你崩溃。因为对于这种错误你真的很无奈，当你尝试了网上所说的任何方法之后问题还是得不到解决，一种对于未知的恐惧和无名火会突然涌上你的心头，会让你不自觉的举起拳头砸向面前的显示屏这种处境是很可怕的，尤其是在疫情期间，出去修个电脑都要冒着姓名危险，所以这个问题很严重。
最后我总结了一下，我觉得网上肯定会有人和我遇到同样的问题，可能只是我搜索的方法不正确罢了，于是我总结这种报错和你使用conda的命令有着很大的联系，于是我就将搜索栏前添加了一句Anaconda，这个时候我的世界被点亮了，一道红色的圣光照耀到了我的脸上，我的天，有人和我搜索的关键字是一模一样的。就是这位大神，在一周多之前他遇上了和我一样的问题，同时天涯沦落人，相逢何必曾相识，这位大哥可能也因为这个问题气急败坏，把拳头慢慢地伸向了电脑显示屏，然而他心中唯一残存的一点理智告诉他：电脑是自己的，要冷静冷静。于是他默默抽了一根烟，想到了去逛逛github，向国际共产主义寻求帮助，于是他找到了这个问题的解决的方法。于是，我就采用的这位大神的方法：

conda clean -a

我感谢这位大哥在我穷途末路的时候给我带来了柳暗花明。

3.安装cuda和cudnn

首先，我们需要查看自己的显卡驱动，在Ubuntu16.04下查看显卡驱动变得比较容易，系统设置->软件更新->附加驱动”切换到对应版本的NVIDIA驱动，点击“应用更改”，完成后进行电脑重启即可，这里本人所选的版本为384版本。（其实并不是我选的，是只能用这个）早些时候有个同学手比较快，先自己换了驱动，关了电脑，但是他没有注意到自己的远程连接也终止了，于是他就没有了电脑。

接着我们使用nvidia-smi来检查驱动是否安装成功

这里有个驱动与cuda的对照表，可以照着这个选择cuda的版本：

我选择的是cuda9.0,地址在这里：https://developer.nvidia.com/cuda-90-download-archive
如下选好自己要下载的版本，点击进行下载：

下载完成后，终端进入下载目录，执行命令：

sudo sh cuda_9.0.176_384.81_linux.ru --override

安装过程中会出现很多选项，按住‘S’滑到100%后，根据提示输入：

1 输入 accept 接受条款
2 输入n不安装nvidia图像驱动，之前已经安装过了 //此处一定要选择n！！！
3 输入y安装cuda 9.0工具
4 回车确认cuda默认安装路径：/usr/local/cuda-9.0
5 输入y用sudo权限运行安装，输入密码
6 输入y或者n安装或者不安装指向/usr/local/cuda的符号链接
7 输入y安装CUDA 9.0 Samples，以便后面测试
8 回车确认CUDA 9.0 Samples默认安装路径：

安装完成后，会提出不完整的安装，此处不用管，是因为上一步没有选择安装显卡驱动导致的。

下一步添加环境路径：
同样是采用sudo gedit ~/.bashrc来对bashrc来进行修改，在尾部添加：

export CUDA_HOME=/usr/local/cuda-9.0    
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH   
export PATH=/usr/local/cuda-9.0/bin:$PATH

在这里提示一下，前面的路径自己最好不要改哈，改了后面的这些bashrc中的路径要改，比较麻烦
到此已经完成安装，下面测试安装是否成功：

接着就是cudnn的安装了，cudnn和cuda并没有一一对应的关系，只是但一般有一个最新版本的cuDNN版本与CUDA对应更好，在这里我们安装Cudnn7.0.5
下载完，解压后把相应的文件拷贝到对应的Cuda目录下即可，在终端执行命令：

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  
sudo chmod a+r /usr/local/cuda/lib64/libcudnn* 

这就装完了。

4.安装pytorch

首先我们使用source activate pytorch来进入我们需要的环境，然后添加清华源：

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

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

根据Python和CUDA选择对应的版本，然后官方给出提示可通过运行：

conda install pytorch torchvision cudatoolkit=9.0 -c pytorch

然而我们在这里需要去掉-c pytorch来进行安装。

5.下载Pycharm并配置Interpreter

https://baijiahao.baidu.com/s?id=1622347860160507809&wfr=spider&for=pc
这里需要注意的是，一开始在linux上安装的pycharm是默认没有菜单栏的，所以需要我们把它调出来，方法如下：

1 按Ctrl + Shift + A打开“Find Action”对话框，键入“Experimental features”，然后按Enter键。
2 取消linux.native.menu选项旁边的复选框，应用更改并关闭对话框。
3 重启PyCharm

然后在环境里使用which python来看看我们python真正使用的是哪个路径下的，这个时候需要注意，他哪个有一个.conda，这个.conda就是一个文件夹，你就不要再像Windows里那样在anaconda下的env去找了，严格按照他这个路径来进行配置。
在这里讲一讲，走的冤枉路，一开始，我是按照这个链接来进行配置的：
https://www.cnblogs.com/dxscode/p/11633657.html
当时的cuda什么的都是安装好了的，但是就是像我上面说的那样，即使pytorch安上了，在命令行中import torch都成功了，但是没有严格按照which python下的路径来配置Pycharm，所以把envs里的pytorch路径下的python都试了一遍，没有用，所以不得不从头开始，卸载了安装好的cuda10.0，又重新装。如果当时仔细看路径的话，就不会浪费一天的时间了。
卸载的链接看这里：
https://blog.csdn.net/heiheiya/article/details/81454737
后面又因为执行conda命令的时候，它又疯狂报错：error An unexpected error occurred
我又不得不卸载了anaconda，又重新装，卸载的链接是：
https://blog.csdn.net/hang916/article/details/79530108

总结
严格按照每一步的要求做到位，不要漏掉任何一个操作步骤，否则你就会走冤枉路，浪费大量的时间。
参考：

https://www.cnblogs.com/mlgjb/p/10445201.html
https://blog.csdn.net/qq_40971025/article/details/105589869
https://blog.csdn.net/weixin_40702638/article/details/83304415