这里我使用的分别是Ubuntu16.04、pytorch1.6.0、anaconda3、pycharm、cuda9.2
在安装之前,有必要解释一下各部分的意义
python
进入python2环境中,通过python3
进入python3的环境中,在python环境中可以直接运行python代码,通过ctrl+d退出python环境。到这里,关于配置环境中一些基本概念已经有了一定的认识,下面开始进行ubuntu下深度学习环境的配置。
下载地址:anaconda官网地址、anaconda历史版本地址
下载完成后,进入到下载文件的地址并打开终端,并执行下载好的anaconda文件
$ cd ~/download #你自己的文件路径,我这里下载到了download文件夹下
$ bash Anaconda-4.2.0-linux-x86_64.sh#这里更改为自己的anaconda的文件名
安装过程中提示安装的目录时,按enter键安装到默认目录下,当然也可以自己指定目录。
如果在执行过程中询问是否把Anaconda的bin添加到用户的环境变量中,选择yes!
先更新一下环境变量,在终端输入
source ~/.bashrc
然后在终端输入conda list
如果能像上面这样正确运行没有报错,则说明成功安装。成功安装后一般会在命令行的左侧显示一个(base)字样。
关于显卡的配置主要涉及驱动和cuda Toolkit,后者可以跟着pytorch一键安装(也就是说cuda和cudnn都不需要单独安装)
conda create -n pytorch python=3.8#这里换成对应的anaconda中的python版本,其中的pytorch是创建的虚拟环境的名字,可以创建多个虚拟环境并通过anaconda管理,这也正是anaconda的强大之处
可以通过下面的命令进入到创建的pytorch的环境
conda activate pytorch
下载地址:pytorch官网
这里我选了pytorch1.6.0版本、Linux系统、使用Pip工具、Python语言、cuda9.2(如果没有Nvidia显卡选择None)。选择完成后,会在下面生成一条命令。进入pytorch环境,执行这条命令。
进入pytorch环境,键入python
进入python界面
测试pytorch是否正确安装,输入
import torch
如果没有报错,则说明pytorch安装成功。
测试GPU是否可以使用,输入:
torch.cuda.is_available()
如果结果为True,则说明pytorch可以正常使用GPU,如果是False,很可能的原因是cuda版本和显卡驱动的版本不兼容,这时需要升级显卡驱动的版本。
这是一个令人头大的问题,因为这里不仅要判断显卡的驱动是否安装,还需要保证显卡的驱动版本与cuda的版本适配,必要时要升级显卡驱动。
1.ubuntu中查看显卡型号:
lspci | grep -i nvidia
2.ubuntu中查看显卡驱动的版本(这里显卡驱动的版本为430.26)
nvidia-smi
3.检查cuda版本与显卡驱动的版本是否兼容
下面是cuda和显卡驱动版本的对应关系,如果安装的cuda版本与显卡驱动版本不匹配的话,则需要升级显卡驱动,如果匹配的话,升级显卡驱动这个步骤可以省略。
4.ubuntu中查看显卡驱动是否安装:
首先得安装 mesa-utils
,在终端输入命令:sudo apt-get install mesa-utils
然后再运行命令: glxinfo | grep rendering
如果结果是“yes”,证明显卡驱动已经成功安装。
5.如果需要安装显卡驱动或者升级显卡驱动的版本,在nvidia的官网可以根据计算机显卡的型号选择支持的驱动版本,一般选择比显卡晚1~2年的驱动类型为宜可以在NVIDIA官方网站中输入显卡信息后点击开始查找支持的驱动版本,并根据自身需求(pytorch的版本等)选择合适的版本进行下载。
下载地址:pycharm官方网址
下载完成后,进入下载的文件夹,点击文件夹提取到这里。
进一步进入此文件夹下的bin目录中,执行下面的命令进行安装
cd pycharm-community-2020.2.2/bin
./pycharm.sh
按照提示进行一步步安装即可
在创建工程后,编译环境的选择中,可以选择现存的环境
按shift+enter进入选择环境的界面,选择conda环境,解释器(Interpreter)选择anaconda3下环境变量(envs)中的pytorch环境下的python解释器,点击OK。
创建好一个工程文件后,新建一个python文件,在其中输入
import torch
print(torch.cuda.is_available())
运行,如果没有报错,且第二条程序返回结果为True,则说明环境配置成功,且可以正常使用pytorch和GPU。
也可以先进入pycharm终端,在其中按如下指令进行,如果执行结果如图片所示,说明环境配置成功。
conda activate pytorch
python
import torch
torch.cuda.is_available()
参考文章
关于anaconda的介绍
为什么深度学习和神经网络需要GPU
cuda和cudnn
ubuntu16.04下安装pytorch
ubuntu下安装pycharm
ubuntu16.04安装Anaconda+Pycharm+Pytorch