深度学习环境配置

背景

近几年深度学习非常热门，在生活中也有越来越多地涉足，人脸识别、自动驾驶、工业视觉检测、语音识别等等。入坑深度学习，首先需要搭建好一整套环境，下面就介绍具体安装步骤。安装前提，需要有nvidia的独立显卡，当然算力越高越好。本文介绍的是自己的一套环境配置(ubuntu 18.0.4 + cuda11.1.0 + cudnn8005 + pytorch1.8.0)，不一样的搭配参考pytorch官网。

CUDA安装步骤：

• 先看自己电脑显卡支持的最高cuda版本，用命令：

nvidia-smi

这里我的显卡最高支持安装cuda 11.4

• 打开CUDA Toolkit官网找到CUDA Toolkit 11.1.0。如下图深绿色选择安装条件。
  

• 按照命令安装：

wget http://developer.download.nvidia.com/compute/cuda/11.0.2/local_installers/cuda_11.0.2_450.51.05_linux.run
sudo sh cuda_11.0.2_450.51.05_linux.run

• 安装好之后需要更改barshrc环境设置，打开.bashrc文件(此文件为隐藏文件，在主目录下ctrl + h就能看到) ，在文件最后面加上下面几行：

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

• 保存关闭文件，打开terminal，输入以下命令：

source ~/.bashrc

• 在terminal输入以下命令察看是否安装好并且能够查看版本信息：

nvcc -V

CUDNN安装步骤

• 到cudnn官网下载与cuda11.1对应版本的cudnn 8.04。
• 按照下面指令安装配置：

sudo cp cudnn-11.1-linux-x64-v8.0.4.30.solitairetheme8 cudnn-11.1-linux-x64-v8.0.4.30.tgz
tar -xzvf cudnn-11.1-linux-x64-v8.0.4.30.tgz
sudo cp cuda/include/* /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

Pytorch安装步骤

• 到Pytorch官网查看安装指令，在这里我们用：

conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge

• 检查版本和cuda、cudnn是否可以匹配使用，写一段python代码：

import torch

print("Pytorch version：")
print(torch.__version__)
print("CUDA Version: ")
print(torch.version.cuda)
print("cuDNN version is :")
print(torch.backends.cudnn.version())

此时输出为：

总结

此时完整的一套深度学习环境配置完成了，可以进出深度学习大法的世界了。