【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
  
• 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)
  
  

【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

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

$ 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

【测试是否安装成功】

$ python

8. 安装opencv3.4

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