Deepin 15.x、 Ubuntu 18.x、Anaconda3、Pytorch 1.x、Detectron2、Tensorflow-gpu1.12+环境配置正确姿势总结

关键词:Deepin安装,Ubuntu安装,Anaconda安装,Pytorch安装(torch+torchvision),Detectron2安装,tensorflow-gpu安装

写在前面:

楼主在配置环境时经历了好多坑,故此想要写一篇总结性的笔记,这篇笔记想要好好整理下思路,帮助大家更好地排坑,当然对于新手而言也可以按照正确的操作步骤来一步步搭建环境。本文目录如下,如果你是新手,建议从第一章开始一步步搭建环境;如果已经安装Linux发行版,那么可以从CUDA安装开始。

目录

一、 Linux系统安装及大环境配置

1. Linux发行版系统选择及安装指南

1.1 Deepin安装(国产系统,安装很简单)

1.2 Ubuntu18安装及环境优化

2. NVIDIA显卡驱动及CUDA、Cudnn安装

 2.1 NVIDIA显卡驱动安装

2.2 CUDA及Cudnn安装

二、安装Anaconda

三、安装Pytorch、torchvision、Detectron2

1. 安装torch、torchvision的最快捷方法

2. 安装Detectron2(接上面进行)

四、安装tensorflow-gpu


 

一、 Linux系统安装及大环境配置

1. Linux发行版系统选择及安装指南

如果您是使用笔记本电脑或非Dell主板的台式机,建议安装Deepin15

(国产系统能省去很多麻烦,但Deepin对部分主板兼容性不好,尤其是对Dell主板的电源管理模块不兼容,这会导致很多后续的问题)

如果您是使用台式机,建议优先安装Ubuntu18.(Ubuntu对各种设备的兼容性更好,且UI仅次于Deepin)

1.1 Deepin安装(国产系统,安装很简单)

(1)首先,去官网下载好iso系统镜像(国内用户请点击官方下载),然后点击“下载深度启动盘下载工具后”直接运行该工具,随后选择iso镜像一键制作U盘启动盘:

(2)启动U盘制作好后,先在磁盘中划出一部分空区,然后插上U盘重启电脑,在电脑屏幕亮起后疯狂按键(不同主板不一样,但一般都会在F2、F11、F12、Del这几个键里面)进入BIOS界面,选择U盘启动。

(3)从启动盘进入后,按照步骤一步步安装就好了,此处注意,一定要选择自己预先空出来的磁盘分区!Deepin对新手极为友好,直接简单安装就行了,会自动生产linux和windows的启动项,但前提是你的Windows引导分区也是EFI的!(win10通常都是UEFI的,所以不用担心,除非你自己魔改重装过win10,但如果你知道怎么弄引导,那安装步骤都不用看别人的了。。)

(4)安装完成后拔掉U盘,重启电脑就Ok了,若出现引导项没有win10的情况,那么请更新grub文件即可。

 

1.2 Ubuntu18安装及环境优化

Ubuntu安装要复杂些,并且安装好后需要对环境进行优化,因为Ubuntu的默认软件源的下载速度实在太慢了,会让人崩溃的,而国产Linux系统则没有这个问题。

Ubuntu18.04安装:https://blog.csdn.net/baidu_36602427/article/details/86548203

Ubuntu环境优化:https://blog.csdn.net/baidu_36602427/article/details/86551862

然后,把梯云纵搭好,没有梯云纵,后面安装东西会很慢很慢的:

s***boom:https://sockboom.cn/

**elctron-s*r(方便快捷,需要先sudo apt install python-openssl):https://github.com/srr/electron-ssr/releases/tag/v0.2.7

Deepin 15.x、 Ubuntu 18.x、Anaconda3、Pytorch 1.x、Detectron2、Tensorflow-gpu1.12+环境配置正确姿势总结_第1张图片点“订阅管理”,添加s***boom的订阅地址进去,然后更新订阅服务器,然后就可以选择服务器了。

更多操作:

https://blog.fazero.me/2015/08/31/%E5%88%A9%E7%94%A8proxychains%E5%9C%A8%E7%BB%88%E7%AB%AF%E4%BD%BF%E7%94%A8socks5%E4%BB%A3%E7%90%86/

 

2. NVIDIA显卡驱动及CUDA、Cudnn安装

注:安装前请确定自己所需要的版本,如果你要使用Pytorch 1.x或者Tensorflow-gpu 1.12以上版本的AI平台,那么可以参照我下面的版本

 2.1 NVIDIA显卡驱动安装

(1)Deepin请参考这篇文章:https://blog.csdn.net/weixin_42118374/article/details/97244324

注意:由于主板的不同,安装过程可能会出现一些意想不到的Error,如果是台式机,建议在独显驱动安装前使用HDMI或VGA的数据线连接显示器(重要!),千万不要盲目使用DP或者mDP的数据线连接显示器,否则可能会出现黑屏情况!

(2)Ubuntu:

lsmod | grep nouveau

 如果有东西输出,就要去关闭自带的Nouveau驱动,方法是:

1

sudo nano /etc/modprobe.d/blacklist-nouveau.conf

 添加如下内容:

1

2

3

blacklist nouveau

 

options nouveau modeset=0

  添加PPA源一键安装独显驱动:

sudo add-apt-repository ppa:graphics-drivers/ppa

     使用下面命令查看与显卡匹配的驱动

   ubuntu-drivers devices

选择一个安装:(注意,cuda415~430会自动安装CUDA driver 10.1,而440会自动安装CUDA driver10.2,但这其实对后面的CUDA安装没影响,因为CUDA安装其实是装的CUDA runtime,cuda driver和cuda runtime是可以独立存在且一起工作的)

sudo apt install nvidia-driver-430

安装完成后,重启即可。

2.2 CUDA及Cudnn安装

请务必注意,这里下载安装的实际是CUDA runtime,和显卡驱动自带的CUDA driver是相对独立的,它们的小版本不同的话是没影响的,大版本不同可能会有影响,但目前我没遇到。CUDA driver为显卡驱动服务,CUDA runtime为CUDA编程和那些高级的第三方库(如tensorflow-gpu、detectron2、torchvision等)服务。

以下是安装步骤:

(1)第一步,选择自己想要的CUDA和Cudnn版本下载

CUDA:https://developer.nvidia.com/cuda-toolkit-archive (选择适合Ubuntu的版本下载runfile文件,Deepin用户也可用)

Cudnn:https://developer.nvidia.com/cudnn(需要登录NVIDIA账号才能下载,请直接下载Cudnn Library For Linux,注意版本和CUDA对应上)

(2)安装过程

进入下载目录,给下载的文件添加可执行权限:

sudo chmod 777 cuda_xxxx_linux.run
sudo chmod 777 cuda_xxxx_linux.run

sudo ./cuda_xxxx_linux.run
 

选择Continue,输入“accept”后会让你选择安装哪些东西,请把以CUDA开头的选项的叉叉X给去掉(去掉X表示安装),请保留NVIDIA driver的叉叉“X”,避免重复安装显卡驱动!!! 因为之前就安装过了。选好后再移动到 Install 那按回车键就会自动安装完毕。

安装好CUDA后,需要添加环境变量
打开终端,输入”sudo gedit ~/.bashrc“,然后再弹出的编辑器的最后,添加如下两行

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

(3)测试CUDA是否安装成功:

请看:https://blog.csdn.net/weixin_38208741/article/details/70848364
最后面出现”Result = PASS“字样时,说明安装成功了。

(4)安装Cudnn

安装过程实际上是把cudnn的头文件复制到CUDA的头文件目录里面去;把cuDNN的库复制到CUDA的库目录里面去。

我们在第(1)步时已经下载好了Cudnn,现在只要进行以下操作:

# 解压
tar zxvf cudnn-xxx(版本号)-linux-x64-v7.6.0.64.tgz
# 复制cudnn头文件
sudo cp cuda/include/* /usr/local/cuda/include/
# 复制cudnn的库
sudo cp cuda/lib64/* /usr/local/cuda/lib64/
 
# 添加可执行权限
sudo chmod 777 /usr/local/cuda/include/cudnn.h
sudo chmod 777 /usr/local/cuda/lib64/libcudnn*

 

二、安装Anaconda

去清华镜像站下载:

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

直接bash安装即可(不要加sudo),安装最后会问你要不要写入路径,你填yes就行了

三、安装Pytorch、torchvision、Detectron2

1. 安装torch、torchvision的最快捷方法

(1)先建立一个名叫torch的虚拟环境:conda create -n torch python=3.6

(2)如果安装最新的pytorch和相应的torchvision,可以直接:pip install torch torchvision (执行命令前建议把pip改为豆瓣源)

由于前面的环境已经搭好,所以这里会直接安装成功的,并且会自动匹配版本号,比如torch==1.3.1  torchvision==0.4.2。

2. 安装Detectron2(接上面进行)

conda activate torch

pip install git+https://github.com/facebookresearch/fvcore.git

pip install OpenCV pycocotools 

git clone https://github.com/facebookresearch/detectron2.git detectron2  (__也可改成其他目录名)

然后,你会把那个链接里的Detectron源码下载到当前路径下的detectron2目录中,接着安装detectron2:

pip install -e detectron2   (这里的detectron2是你git下载文件的目录名字,可以自己任意设置,不影响)

 

如果你是从本文第二部分的CUDA开始就严格按照我的步骤来的,那现在Detectron2应该安装成功了;

如果你还想跑detectron2提供的示例代码,那么你还需要安装个google.colab,直接pip安装就行了。

 

用detectron2对新的气球数据集进行训练(官方示例的复现):

Deepin 15.x、 Ubuntu 18.x、Anaconda3、Pytorch 1.x、Detectron2、Tensorflow-gpu1.12+环境配置正确姿势总结_第2张图片

 

四、安装tensorflow-gpu

 

你可以跳过第三步,如果你第二步的环境已经搭好,那么可以直接

pip install tensorflow-gpu (可以加上tensorflow==1.12.0指定1.12及以后的版本)

安装成功。

 

本文主要内容到此就结束了,最后想跟大家说的是,千万要保重身体,坚决抵制996。996的生活给再多的钱也是浪费人生,只要我们都开始抵制996,整个社会风气会慢慢改变过来的,我们不能向资本妥协,为了自己,也为了后辈。本人已经做好退路,已考取教师资格证、已做好公务员复习准备,如果IT行业只有996可选,那我会主动放弃的。

抵制996,从我做起。

 

 

 

 

你可能感兴趣的:(环境配置)