Ubuntu20 PyTorch环境配置
前言
在ubuntu等各类系统下配置深度学习框架的教程已经泛滥于各类论坛，但是其中很多内容早已过期，安装方式繁琐，且由于ubuntu系统的特殊性，安装的很多包由于不是使用系统工具，在删除已有版本、更新新版本或者重新安装方面都造成了很大的麻烦。
因此此教程作为本人安装环境的记录，会尽可能在安装步骤中简化操作。
1. Ubuntu20.04 LTS系统
由于Ubuntu系统的开源性，从一个非官方的渠道安装的ubuntu系统可能在各种地方出现奇怪的问题。因此如果可能的话尽量使用官方镜像来安装。安装可以参考官方提供的教程，这个教程还是相当详尽的。
当然之后的步骤可能也适用于Ubuntu16或者18，但是本人并未验证过。
2. Python3
如果是从官方下载的ubuntu系统应该是自带python3的，可以在终端中使用如下命令查看版本：
python3 -V
当然如果之后选择conda作为python环境管理工具，那么这个版本号是否符合需要并不重要。但如果使用pip来管理则需要在此时安装好所需python版本，并使用update-alternatives相关的命令来选择默认python版本。此处不作详述。
3. Conda
conda和pip都可以用来管理python环境，其作用几乎是一样的，没有哪个更加官方一说，不过使用pip建立虚拟环境不够方便，使用conda可以省去很多麻烦。我个人觉得无论新手老手都使用conda来管理是更好的方案。
Optional: 顺带一提，ubuntu原系统貌似并不原生安装了pip，可以使用如下命令安装：
sudo apt install python3-pip
安装最新Anaconda
3.1. 官网下载installer
很遗憾，这个工具目前不能使用指令安装。进入下载页面选择匹配的installer下载。
3.2. 使用命令安装
默认可能会下载至Download文件夹，使用如下命令安装：
cd ~/Downloads
bash Anaconda3-2021.05-Linux-x86_64.sh
注意文件名替换为下载到的文件名。安装页面会指示阅读条款、选择安装位置和使用installer运行conda init。如果没有特别必要，都输入yes即可。注意条款很长，需使用回车下拉。
接下来在很多教程中会让你在~/.bashrc文件中修改环境变量，但是我自己操作中发现并不需要。安装包会自动修改好。在终端中输入conda -V可以查看conda版本。
4. Nvidia Driver
在以前，这个步骤对于ubuntu使用者相当头疼，但是目前就我自己使用来说，已经很简单。如果不是对版本有什么特别要求，我推荐直接使用设置中提供的驱动进行安装，选择最新的 (proprietary, tested) 版本即可：
这种安装方式好处很多，不容易出现各种版本冲突问题，并且不用担心更新系统。就连nvidia官方run安装包中也是这样推荐，我个人使用中没有发现有什么问题。开发者不应过渡依赖于版本环境，如果不是特别必要，应该尽量让自己的代码在新的环境中得到支持。
当然，禁用nouveau驱动还是必要的，这个教程很多，此处不再赘述。
5. CUDA
这一步在Ubuntu20中可以直接使用命令安装：
sudo apt install nvidia-cuda-toolkit
这样做的好处是可以放心进行系统升级，并且删除和更新CUDA也变得很方便。当然这样安装的CUDA版本可能不是最新的，如果影响使用，则只能通过官网下载来安装。使用nvcc -V查看CUDA版本。
6. PyTorch
如果使用conda来管理环境，则使用如下命令安装：
conda install pytorch torchvision cudatoolkit=10.1 -c pytorch
注意使用cudatoolkit选项指定上一步安装的CUDA版本，否则可能出现不兼容。
如果使用pip进行安装（注意torch、torchvision替换为自己使用的版本）：
pip3 install torch==1.5.1+cu101 torchvision==0.6.1+cu101 -f https://download.pytorch.org/whl/torch_stable.html
验证torch和CUDA安装成功
在终端中输入python或者python3进入python命令窗口，再输入如下命令：
import torch
torch.cuda.is_available()
若输出True则代表安装成功。
注意（针对conda）
由于conda可以方便创建各种虚拟环境，因此在一个虚拟环境中安装的pytorch等库不会自动在所有环境中安装，需要在使用的环境中运行上述conda相关命令