ubuntu20.04+GPU+CUDA11.1+cuDNN8.0.5+Miniconda3+pytorch1.8.1+torchversion0.9.1+pycharm

目录

本机环境：拯救者R720+GeForce GTX1060+ubuntu20.04(不是双系统，windows10被我格掉了)

1.NVIDIA显卡安装

2.CUDA安装

3.cuDNN安装

4.安装Miniconda3

 5.安装pytorch1.8.1

6.安装pycharm

---

本机环境：拯救者R720+GeForce GTX1060+ubuntu20.04(不是双系统，windows10被我格掉了)

1.NVIDIA显卡安装

NVIDIA显卡驱动尝试了很多办法，命令行安装，在官网下载.run文件安装，装完开机都是进不去图形界面，最后无奈打开软件和更新，目前我的显卡驱动选的是这个，没有选择tested(测试版)，我还是偏向稳定版的。

安装好之后命令行输入：

nvidia-smi

打印显卡信息如下：

2.CUDA安装

在CUDA Toolkit Archive | NVIDIA Developer下载适合自己的安装包文件，我下载的是deb(local)文件，我使用的是cuda11.1,虽然我可以使用11.4，但是因为后续需要用到pytorch和很多python安装包，版本太高后续会出现各种兼容问题，很难受。

1.查看Installation Guide Linux :: CUDA Toolkit Documentation获取ubuntu20.04，cuda11.1的gcc默认版本，需要给gcc降版本的参考博客：Ubuntu 20.04 CUDA&cuDNN安装方法_ashome123的博客-CSDN博客_ubuntu20.04安装cuda

后面我又重装ubuntu20.04系统，并没有安装gcc,也没发现任何问题，也就没给gcc降版本

2.执行安装文件：

sudo sh cuda_11.1.0_455.23.05_linux.run 

3.安装过程中：

(1)提示是否去除已经安装的显卡驱动，因为cuda自带显卡驱动，选择continue,不去除

(2)输入accept

(3)按空格键去掉driver前面的X，然后选择install

4.配置环境变量

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-11.1/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

 更新环境配置：
source ~/.bashrc

 5.安装完成后，输入

nvcc -V

3.cuDNN安装

在NVIDIA cuDNN | NVIDIA Developer下载对应版本（ubuntu20.04+cuda11.1）,这里我下载了如下几个文件：

cudnn-11.1-linux-x64-v8.0.5.39.tgz

libcudnn8_8.0.5.39-1+cuda11.1_amd64.deb

libcudnn8-dev_8.0.5.39-1+cuda11.1_amd64.deb

libcudnn8-samples_8.0.5.39-1+cuda11.1_amd64.deb

解压 cudnn-11.1-linux-x64-v8.0.5.39.tgz到cudnn8.0.5：

tar zxvf cudnn-11.1-linux-x64-v8.0.5.39.tgz -C ./cudnn8.0.5

解压完成之后，在cudnn8.0.5下会出现cuda文件夹，执行如下指令：

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
 
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

然后安装下载的安装包文件：

dpkg -i libcudnn8_8.0.5.39-1+cuda11.1_amd64.deb

dpkg -i libcudnn8-dev_8.0.5.39-1+cuda11.1_amd64.deb

dpkg -i libcudnn8-samples_8.0.5.39-1+cuda11.1_amd64.deb

cudnn安装完成：

4.安装Miniconda3

anaconda3太大了，所以我选择了轻量级的Miniconda3(python3.8  64-bit),执行安装文件

bash Miniconda3-py38_4.10.3-Linux-x86_64.sh 

添加环境配置

gedit ~/.bashrc 

在结尾添加

export PATH=/home/jxl/miniconda3/bin:$PATH

使环境生效

source ~/.bashrc

查看conda环境

conda env list

 5.安装pytorch1.8.1

先新创建一个pytorch环境

conda create -n pytorch1.9.1 python=3.8

激活pytorch环境

conda activate pytorch1.9.1

离线安装下载好的pytorch,torchvision安装包，此处需要注意选择好对应的版本，我的是cuda11.1,python3.8的，对应的是cu111和py38,cp是指cpu版本的。我先安装的torchvision0.9.1,安装的过程中它自动帮我安装了pytorch1.8.1,本来我下载的pytorch是1.9.1,既然如此那就用1.8.1吧，免的又造成版本不匹配

还是建议先安装torchvision,然后再安装pytorch(这一步不可以省略，虽然安装torchvision过程中会帮助安装pytorch,但是它给你安装的不一定是你需要的版本，所以还需要自己手动安装一遍pytorch),否则后续会因为torchvision对应的cuda版本与pytorch对应的cuda版本不一致造成无法使用nms，我之前先安装的torchvision,下载的版本是torchvision0.9.1+cu111-cp38,下载的pytorch版本是pytorch1.9.1+cu111-cp38,先安装torchvision后，自动为我安装了pytorch1.8.1+cu10.1-cp38,后面跑目标检测代码时，可以正常训练，但是不能测试，因为无法使用nms

torchvision0.9.1+cu111对应的pytorch版本是1.8.1，所以又重装了pytorch1.8.1+cu111

pip install ./torchvision-0.9.1+cu111-cp38-cp38-linux_x86_64.whl

一下就安装成功了，完美！

 接下来改下环境的名字，强迫症看着难受

克隆一份原来的环境并重新命名为torch

 conda create --name torch --clone pytorch1.9.1

删除旧环境

conda remove --name pytorch1.9.1 --all

这样就完成了

 当然参考这篇博客的同学可以直接创建torch环境就好，省的后面修改

6.安装pycharm

进入官网下载pycharm,我选的community版本的

解压后，当前目录下会出现解压后的目录pycharm-community-2021.2.2

tar -zxvf pycharm-community-2021.2.2.tar.gz 

sudo mkdir /opt/pycharm
sudo mv pycharm-community-2021.2.2/ /opt/pycharm/

安装完成，启动pycharm

sh /opt/pycharm/pycharm-community-2021.2.2/bin/pycharm.sh

后续的使用pycharm相信大家都会了，接下来给pycharm配置python解释器，否则没法使用pytorch虚拟环境

我先新建了一个项目，然后会让选择python解释器，找到自己torch所在的环境就好，我的是

 找不到的话，下拉python解释器右边框框的倒三角，会出现安装好的环境，如果没出现，稍微等一下 ，多尝试几次，如果还没出现，可以去命令行查看一下，是不是环境没装好

试一下，恩，没错

至此，所有的安装环境工作就结束了，我发现ubuntu20.04下的分辨率不如windows10,后面可能会改一下屏幕分辨率

总结：本机目前环境是ubuntu20.04,cuda11.1,cudnn0.8.5,pytorch1.8.1+cu111,torchvision0.9.1+cu111,对应的python版本都是3.8，目前可以正常训练和测试