配置Ubuntu相关深度学习环境

##配置Ubuntu相关深度学习环境
在配置深度学习的时候,我们往往只配置一次,但是一旦出了问题,重新配置的时候总会出现很多问题。在此,总结了在服务器中配置相关环境中一些环节。希望能帮助到大家!

  1. 准备ubuntu系统
  2. 安装合适显卡驱动
  3. 安装cuda和cudnn
  4. 安装anaconda
  5. 配置深度学习env

1、安装系统
2、安装合适的显卡驱动:
在我们跑代码的时候,出现torch.cuda.is_availble() == false。该问题出现的一种原因是驱动对应cuda版本低于我们安装的cuda版本,这时候我们需要更新驱动。当然刚开始安装驱动的步骤是一样的。
备注:最新版本的驱动最好,适用于当前所有版本的cuda。
2.1. 查看自己的显卡名称

~$ lspci | grep -i nvidia

2.2. 在nvidia官网下载驱动程序nvidia官网,

配置Ubuntu相关深度学习环境_第1张图片
2.3. 卸载旧版本驱动,如果是新安装驱动,可以取消该操作
sudo apt-get purge nvidia*

禁止系统自带的nouveau驱动

#创建配置文件
sudo vim /etc/modprobe.d/blacklist-nouveau.conf 
# 在打开的配置文件里添加如下内容
blacklist nouveau
options nouveau modeset=0
# 进行更新
sudo update-initramfs -u
#重启,在终端输入如下,如果无输出,则禁用成功
lsmod | grep nouveau

2.3 开始安装
在终端上,进入下载的驱动程序.run目录下。进行如下操作

# 给文件夹执行权限,记得替换你的文件名
sudo chmod +x NVIDIA-Linux-x86_64-440.36.run
 
# 开始安装,然后根据弹出界面,一路按 Enter
sudo ./NVIDIA-Linux-x86_64-440.36.run

开始安装后,都是默认设置,一路按 enter ,直接结束。
查看显卡驱动是否安装成功

nvidia-smi

配置Ubuntu相关深度学习环境_第2张图片
3、安装cuda和cudnn
cuda和cudnn是深度学习中必须的模块,安装成功与否关系到是否可以用GPU。
安装cuda和cudnn教程

4、安装anaconda
转载自:
Ubuntu安装anaconda
其中重要注意的是需要配置相应的环境变量

5、配置个人的环境

conda create -n envname python=[version]#创建环境
source activate [envname] #激活环境
conda config --show # 查看镜像源
conda list # 查看安装的相关的包
conda env list #查看所有虚拟环境
conda config --add channels https:/// # 添加镜像源路径
conda config --remove channels https:// #删除镜像源路径
vim ~/.condarc #编辑镜像源路径,当需要大量添加或删除镜像源路径,.condarc隐藏文件最方便

当前配置的镜像源无法下载相关的包时,用临时的镜像源下载相关package。

pip install opencv-python torchvision -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com

pip install opencv-python torchvision -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com#临时换其他镜像源网站

常用的国内镜像源:
连接1
连接2

待续:安装过程中的常见错误

你可能感兴趣的:(计算机视觉——目标检测,深度学习,python,ubuntu)