Ubuntu20.04安装NVIDIA驱动+cuda+cudnn+anaconda+pytorch+pycharm经验

配置环境是深度学习的第一道门槛，也是必须迈过的一道门槛，之前一直在windows平台上跑pytorch，但很多包无法安装，必须要使用Linux。在经历了很多坑，无数次重装系统，崩溃，坚持后终于在Ubuntu20.04上成功安装pytorch，现将经验分享，希望能对初学者有一定参考。

一、安装Ubantu20.04系统

        在清华源上下载系统安装包，找一个空U盘，用第三方软件制作系统启动盘。注意一定是空U盘，制作启动盘时会将U盘格式化。

Index of /ubuntu-releases/20.04/ | 清华大学开源软件镜像站 | Tsinghua Open Source MirrorIndex of /ubuntu-releases/20.04/ | 清华大学开源软件镜像站，致力于为国内和校内用户提供高质量的开源软件镜像、Linux 镜像源服务，帮助用户更方便地获取开源软件。本镜像站由清华大学 TUNA 协会负责运行维护。https://mirrors.tuna.tsinghua.edu.cn/ubuntu-releases/20.04/ 系统启动盘具体制作安装步骤网上一大把，在此就不赘述，也没有什么坑。唯一需要注意的是进bios时（我的机器开机一直按F11进，不同的机器可能不一样，需要查），如果找不到刚制作的U盘启动项，那就可能是你的系统盘没有做好，那就重做系统就好了。

二、安装NVIDIA驱动

       这一步是最坑的，耗时一天才解决问题。网上关于安装Ubantu系统的NVIDIA驱动的教程很多，我踩了无数次的坑，为解决这个问题至少重装了5次Ubantu20.04系统。主流的方法就是从NVIDIA官网下载适用你机器显卡的驱动，手动安装，但有个重要的步骤是需要禁用nouveau，如Ubuntu16.04安装英伟达（NVIDIA）显卡驱动详细图文教程_Let'sCode的博客-CSDN博客_ubuntu安装nvidia驱动

这位作者提到的，工作做的挺好。但我在禁用nouveau驱动后，重启一直黑屏，应该是进入不了图形界面。按ctrl+alt+F1~F6（F1~F6中具体哪一个按键根据机器的实际情况，多试几次），进入字符界面，始终安装不了NVIDIA的驱动，失败。我在安装中因为迷信手动安装，一直无法解决nouveau禁用后的开机问题，但一直想要征服这个问题至少重装了5遍Ubuntu20.04系统，最后终于妥协用了自动安装方法，才成功解决Ubantu20.04系统安装NVIDIA驱动的问题。步骤如下：

• 打开终端输入：ubuntu-drivers devices，会输出显卡型号以及推荐安装的NVIDIA驱动。

• 开始安装。如果同意安装推荐版本只需要终端输入：sudo ubuntu-drivers autoinstall，即可自动安装。
• 重启。注意一定要重启系统，在终端输入：sudo reboot 即可。
• 重启后在终端输入：nvidia-smi，即可显示驱动信息，证明驱动已经安装好。
• 此处可以参考Ubuntu 18.04 安装 NVIDIA 显卡驱动 - 知乎
• （注：当然网上很多关于禁用nouveau的方法都很棒，但我水平有限确实解决不了，上述将的方法过程是我能够实现的方法，并不是最好的解决方案。）

三、安装cuda

     cuda+cudnn与anaconda的安装顺序没有特殊要求，可以先安装cuda+cudnn也可以先安装anaconda，但cuda一定要在cudnn之前安装。对上步驱动安装好后在终端输入nvidia-smi在输出的表格右上角会有一个CUDA Version，我的输出是CUDA Version=11.4，刚入门的朋友可能会有疑问，表示这CUDA不是已经安装好了么？为什么还要再安装cuda，而且在配置pytorch的时候，还会安装cudatoolkit，这到底是什么关系了？其实有CUDA Version=11.4并不代表你安装好了，它只表示你安装的cuda版本不能超过11.4，而CUDA是NVIDIA开发的专用于NVIDIA显卡的安装包，cudatoolkit是facebook开发的，这么理解下就好了。进入正题，安装cuda步骤如下：

1、进入NVIDIA的官网下载cuda，CUDA Toolkit Archive | NVIDIA Developer，可以找到各种版本

cuda。关于版本号的选择，首先要满足前述的要求，其次因为我不知道pytorch安装时的cudatoolkit与nvidia的cuda版本号是不是需要一一对应，以防万一，我将两个版本号定为一样的。然后打开pytorch官网，推荐的是CUDA10.2和CUDA11.3两个版本，一开始我准备安装CUDA10.2，但在NVIDIA官网选择时发现CUDA10.2不支持Ubuntu20.4，就只好选择cuda11.3版本了。选择过程如下：

 按照runfile（local）安装的方式简单，只需要在终端输入上述两条NVIDIA推荐的命令就好了，如果没有wget，就安装下。执行第二条命令后，在终端执行nvcc -V后没有输出的版本信息一般是gcc版本太高的问题，Ubuntu 20.04默认g++9版本太高，会导致CUDA无法安装，因此要先降低g++版本，需要添加gcc7才可安装cuda，终端输入命令安装gcc7：

apt-get install gcc-7 g++-7，即可

使用update-alternatives进行版本切换，输入以下命令：

 sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 100

 sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-9 50

我在实际输入第二条命令时始终报错找不到gcc-9这个文件夹，不用管了，反正上面的已经执行好降gcc了，再次运行上图中的第二条命令：sudo sh cudaXXXXXX.run 这个安装命令。

（注：我这个安装顺序是我的踩坑过程，还是推荐大家在安装过程中先执行降低g++版本，再按照Ubuntu推荐的命令安装）

     在执行sudo sh cudaXXXXXX.run这条命令的过程中，会跳出一些选择界面，首先是 Abort和continue，选择continue，然后输入accept后出现CUDA Installer，因为已经安装过NVIDIA的驱动了，而弹出的CUDA Installer 自带显卡驱动，所以这一步按空格去掉安装显卡驱动的选项（这一步很重要，可能会引起驱动冲突，导致最后pytorch配置完后，torch.cuda.is_available()=False），然后选择install，就好了。如果这一步安装过程中有什么错误，可能是gcc降版本没有处理好，实在不行最后重装了Ubuntu系统再重新来一遍，毕竟一些残存的安装文件新手不一定能完全卸载完。

  最后一步，配置环境变量：

   在终端输入：gedit ~/.bashrc命令打开文件，在文件结尾输入以下语句，保存。

export PATH=/usr/local/cuda-11.3/bin${PATH:+:${PATH}}

export LD_LIBRARY_PATH=/usr/local/cuda-11.3/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

（注意：CUDA版本号，如果是10.2就把11.3改为10.2就好了）

更新环境变量配置

source ~/.bashrc

至此cuda安装完成，输入nvcc -V命令查看cuda信息。如果没有输出，证明没有安装成功，对不起，对新入门来说最好重装系统，按上面的过程再来一遍。

在安装过程中Ubuntu 20.04 CUDA&cuDNN安装方法_ashome123的博客-CSDN博客_ubuntu20安装cuda以及

Ubuntu 20.04安装CUDA & CUDNN 手把手带你撸_哈希Map的博客-CSDN博客_ubuntu安装cudnn两篇文章给了很大帮助。

踩坑：我第一遍安装cuda时不是选择的runfile（local）安装，选的是deb（local）安装：

 会发现推荐的安装命令很多，另外在执行的过程中，会出现这样的错误：

E: Sub-process /usr/bin/dpkg returned an error code (1) ，后来我按照E: Sub-process /usr/bin/dpkg returned an error code (1) 出错解决方案_Linux教程_Linux公社-Linux系统门户网

所讲的方法解决了这个问题，成功安装了cuda，但上述方法安装过程中仍然会自动安装nvidia驱动，不知道会不会产生冲突，所以我在第二遍重装cuda 的时候就没有选择这个方法，而是选了前述网上讲的蛮多的方法。

四、安装cudnn

     这个简单多了，基本没什么坑，一遍过。

上官网https://developer.nvidia.com/cudnn，需要邮箱注册。

进入：https://developer.nvidia.com/rdp/cudnn-archive 一定要按照cuda的型号选择cudnn的型号。

 

我选的cuDNN Library for Linux （x86_64）,下载安装包，注意下载完后将文件复制到电脑的home文件夹下。还有deb的安装包，可以根据自己的喜好，进行安装。

然后打开终端输入：

tar -zxvf cudnnXXXXXXXXXX.tgz    下载的cudnn安装包名称写全

cp cuda/lib64/* /usr/local/cuda-11.3/lib64/

cp cuda/include/* /usr/local/cuda-11.3/include/

（注意你的cuda编号，可以参考Ubuntu20.04下CUDA、cuDNN的详细安装与配置过程（图文）_嵌入式技术的博客-CSDN博客_ubuntu20 安装cudnn）

我们可以使用如下的命令查看cuDNN的信息：

cat /usr/local/cuda-11.3/include/cudnn.h | grep CUDNN_MAJOR -A 2

cudnn 8.0以上版本的输入下面的命令

cat /usr/local/cuda-11.3/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

（注意：根据自己的cuda版本将上面cuda后面的数字进行更改。）

CUDN + cuDNN安装完成，可以执行相关训练文件查看是否有gpu信息输出，或监控一下gpu状态。在watch -n 1 nvidia-smi，如果能有输出，就证明cuda和cudnn能正确匹配。（参考的Ubuntu 20.04安装CUDA & CUDNN 手把手带你撸_哈希Map的博客-CSDN博客_ubuntu安装cudnn）中的一段命令。

五、安装Anaconda

        首先从anaconda官网下载安装包，将安装包移动到home文件夹下，也可以不移动，我习惯放在主文件夹home下，打开终端执行：

        bash AnacondaXXXXXXX.sh 注XXX按照自己下载的版本名称补齐。   

       按一直Enter查看协议，直到出现Please answer 'yes' or 'no' , 输入 yes ；

       然后再按一次Enter，安装完成。最后添加环境变量，我没添加，照样正常使用。

    在终端输入jupyter notebook 可以使用jupyter

这两篇文章Ubuntu下安装Anaconda的步骤（带图） - 知乎和Ubuntu 20.04安装Anaconda3+配置+使用jupyter notebook_阿清~的博客-CSDN博客_ubuntu20.04安装anaconda讲的更详细，可以参考。

六、配置pytorch

      打开终端，输入：conda create -n pytorch python=3.9 ，创建pytorch环境，因为我安装的anaconda的python是3.9版本的，自己装的啥版本python就将3.9进行替换。

终端输入：conda activate pytorch    打开pytorch环境。

 打开pytorch官网，进行配置：

 

最后得到一行命令：

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

输入终端运行即可慢慢进行安装。有的因为速度慢的原因推荐使用清华源，操作也挺麻烦的，就用这个官方推荐的链接也挺快，估计十几二十分钟就好了。

在终端输入：python

如果报错，大概是因为没有在pytorch环境中运行的原因，在终端输入conda activate pytorch，以激活pytorch环境，然后在输入python。关闭pytorch环境可以输入 conda deactivate就好了。

然后输入：import torch 如果没输出就证明pytorch安装好了

再输入：torch.cuda.is_availble()

输出True，大功告成，证明pytorch配置好，可以用GPU进行训练了。

七、安装pycharm

在Thank you for downloading PyCharm!官网下载pycharm社区版，放到home文件夹下，在这个文件夹下打开终端：

输入：tar -zxvf pycharmXXXXX.tar.gz 解压，XXX为具体版本号，

然后在解压的pycharm文件夹下打开bin文件夹，在这个文件夹下打开终端~/pycharm-community-2022.1/bin$，输入：

sh pycharm.sh  打开pycharm，然后新建项目，将pytorch环境加入到pytorch新建项目中（此步很简单，网上随便搜索下），在菜单栏点击 Tools 再点击create desktop entry 即可将pycharm图标放到桌面，方便下次开启，可以在terminal 中将第六节中的部分内容载执行一遍：

在终端输入：python

如果报错，大概是因为没有在pytorch环境中运行的原因，在终端输入conda activate pytorch，以激活pytorch环境，然后在输入python。关闭pytorch环境可以输入 conda deactivate就好了。

然后输入：import torch 如果没输出就证明pytorch安装好了

再输入：torch.cuda.is_availble()

输出True，大功告成，证明pytorch配置好，可以用GPU进行训练了。

八、总结

      环境配置是做深度学习的第一大关，确实挺麻烦的。中间安装过程中有很多坑，最大的坑就是NVIDIA驱动安装和CUDA安装。因为这个教程是事后回忆的，可能存在一些不足，或者是漏的，可能会产生错误，敬请见谅。