windows10+ubuntu18.04双系统+cuda+cudnn+anaconda+pytorch+yolov5环境搭建

windows10下安装Ubuntu18.04双系统:

1、准备好装有ubuntu18.04镜像的U盘,插入电脑

2、重启电脑进入bios,然后选择u盘启动

3、启动成功后开始安装Ubuntu系统,直接默认选项点击下一步,(这是在默认你已经分好区的情况下进行)。注意选择语言简体中文,不然后面系统还需要自行配置中文输入法。

4、具体安装步骤可参考:https://blog.csdn.net/qq_38962621/article/details/87390603

安装驱动:

  1. 在安装之前首先就是要禁用Nouveau的驱动。上一步的改动只是在安装的时候临时禁用。如果没有永久禁用该驱动,可能会出现安装完毕NIVIDA显卡后无法进入Ubuntu的情况(在登录界面,输入密码也无法登录)。

禁用 nouveau

sudo gedit /etc/modprobe.d/blacklist.conf

在文件最后一行加入

blacklist nouveau

options nouveau modeset=0

更新内核

sudo update-initramfs –u

重启系统

reboot

重启之后, 验证 nouveau是否已被禁用

lsmod | grep nouveau

无输出则成功禁用

关闭 lightdm

sudo service lightdm stop

此时进入黑窗界面

Ctrl+Alt+F1

登录账户

进入下一步安装显卡驱动

2、安装显卡驱动:

使用标准Ubuntu 仓库进行自动化安装.这种方法几乎是所有的示例中最简单的方法,也是该教程最为推荐的方法。首先,检测你的NVIDIA显卡型号和推荐的驱动程序的模型。在命令行中输入如下命令:

windows10+ubuntu18.04双系统+cuda+cudnn+anaconda+pytorch+yolov5环境搭建_第1张图片


$ ubuntu-drivers devices

从输出结果可以看到,建议安装驱动程序是 nvidia-470版本的驱动。如果您同意该建议,请再次使用Ubuntu驱动程序命令来安装所有推荐的驱动程序。

输入以下命令:

$ sudo ubuntu-drivers autoinstall

一旦安装结束,重新启动系统,你就完成了。

安装是否成功的验证:

windows10+ubuntu18.04双系统+cuda+cudnn+anaconda+pytorch+yolov5环境搭建_第2张图片


$ nvidia-smi

搭建深度学习环境:

windows10+ubuntu18.04双系统+cuda+cudnn+anaconda+pytorch+yolov5环境搭建_第3张图片


1、安装CUDA

运行命令:

wget https://developer.download.nvidia.com/compute/cuda/11.4.2/local_installers/cuda_11.4.2_470.57.02_linux.run

sudo sh cuda_11.4.2_470.57.02_linux.run

windows10+ubuntu18.04双系统+cuda+cudnn+anaconda+pytorch+yolov5环境搭建_第4张图片
(参考图片)

因为安装过了驱动,所以在安装步骤中就把驱动选项取消勾选,也就是最后选择的时候之一把driver的加号点掉,使他不会默认安装(注意)

配置环境:

终端输入

sudo gedit ~/.bashr

在文档最后加上

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

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

windows10+ubuntu18.04双系统+cuda+cudnn+anaconda+pytorch+yolov5环境搭建_第5张图片


export CUDA_HOME=$CUDA_HOME:/usr/local/cuda

终端输入source ~/.bashrc更新

验证是否安装成功:

windows10+ubuntu18.04双系统+cuda+cudnn+anaconda+pytorch+yolov5环境搭建_第6张图片


在终端输入nvcc -V

2、安装cudnn

准备好四个文件cudnn-11.4-linux-x64-v8.2.2.26、libcudnn8-dev_8.2.2.26-1+cuda11.4_amd64、libcudnn8_8.2.2.26-1+cuda11.4_amd64、libcudnn8-samples_8.2.2.26-1+cuda11.4_amd64(这些直接访问cudnn官网就可以下载,请选择和自己cuda版本匹配的cudnn版本)

首先解压tgz包

tar -zxvf cudnn-11.4-linux-x64-v8.2.2.26.tgz

解压后生成cuda文件,终端打开进入到该文件夹目录

复制文件到cuda环境

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 /usr/local/cuda/lib64/libcudnn*

安装deb包

sudo dpkg -i libcudnn7_7.6.2.24-1+cuda10.0_amd64.deb

sudo dpkg -i libcudnn7-dev_7.6.2.24-1+cuda10.0_amd64.deb

sudo dpkg -i libcudnn7-doc_7.6.2.24-1+cuda10.0_amd64.deb

验证是否安装成功:

windows10+ubuntu18.04双系统+cuda+cudnn+anaconda+pytorch+yolov5环境搭建_第7张图片


运行cat /usr/local/cuda/include/cudnn.h后显示

3、安装anaconda

由于在官网下载非常慢,并且经常网络断掉,因此最好在清华大学开源软件镜像站https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/中下载,具体下载链接https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/,在该页面滑倒最后可以下载最新版本。本案例选择下载Anaconda3-5.2.0-Linux-x86_64.sh版本。

进入下载文件的位置

$ cd Downloads/

运行.sh文件:

$ bash Anaconda3-5.2.0-Linux-x86_64.sh

进入注册信息页面,输入’yes’

安装过程中会提示

Anaconda3 will now be installed into this location:

/home/silver/anaconda3

Press ENTER to confirm the location

Press CTRL-C to abort the installation

Or specify a different location below

我们不更改安装路径的话继续输入

出现如下界面则说明anaconda成功安装,这里询问是否需要安装VScode,一般不需要的话就输入"no"

将anaconda加入系统环境变量

sudo vim ~/.bashrc

加入:(这个路径是你自己的anaconda安装路径)

export PATH=/home/wang/anaconda3/bin:$PATH

在终端中输入

conda info

即可查看详细信息

4、在ananconda上搭建虚拟环境

第一步:输入命令conda create --name 你的环境名 python=你的python版本

conda create --name pytorch python=3.7

第二部:安装成功后启动虚拟环境和推出虚拟环境

source activate  pytorch

source deactivate  pytorch

windows10+ubuntu18.04双系统+cuda+cudnn+anaconda+pytorch+yolov5环境搭建_第8张图片

5、安装pytorch

windows10+ubuntu18.04双系统+cuda+cudnn+anaconda+pytorch+yolov5环境搭建_第9张图片


       进入PyTorch官网,根据自己的环境来定制化选择PyTorch下载安装版本,选好之后复制下方的命令行:

conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c nvidia

验证pytorch是否安装成功:

source activate  pytorch 进入虚拟环境

python 进入shell编辑环境

import torch 倒入pytorch

windows10+ubuntu18.04双系统+cuda+cudnn+anaconda+pytorch+yolov5环境搭建_第10张图片


print(torch.__version__) 查看torch版本

6、Yolov5环境配置

在yoloV5项目目录下打开终端

source activate pytorch

pip install -r requirements.txt     ,安装依赖的环境

至此实验环境就搭建好了:

系统环境:Ubuntu18.04

cuda版本:cuda 11.4

cudnn版本:cudnn-11.4-linux-x64-v8.2.2.26

torch版本:1.9.0

torchvision版本:0.10.0

你可能感兴趣的:(ubuntu,深度学习,pytorch)