Ubuntu20.04上安装Tensorflow-gpu 2.5.0和pytorch(GPU),以及Anaconda+pycharm

---

前言

提示：这里可以添加本文要记录的大概内容：

本文介绍Ubuntu20.04上安装Tensorflow-gpu 2.5.0和pytorch(GPU),以及Anaconda+pycharm，亲测好用，其他版本可以自行查阅按照此方法安装。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、安装Anaconda

首先从官网下载Anaconda安装文件，本文下载的是“Anaconda3-2019.10-Linux-x86_64.sh”。
（1）安装Anaconda
执行“bash Anaconda3-2019.10-Linux-x86_64.sh”，提示需要阅读许可条例，按下Enter键继续，如图：

bash Anaconda3-2019.10-Linux-x86_64.sh

出现提示，是否接受许可条例，输入“yes” 按Enter键，在界面中会提示Anaconda将要安装的位置，按下Enter键确认，如图：

提示是否要写入配置文件，输入“yes”按Enter键，如图：

到这里，Anaconda就安装成功了。执行“source ~/.bashrc” 让配置生效，此时执行“python3”，运行的就是Anaconda，如图：

（2）创建虚拟python环境

conda create --name apython python=3.6

此时系统中有多个版本的Python，为了方便使用，需要配置环境变量，为每个版本的Python设置一个别名(也可不设置，根据自己喜好来)。

alias python="/usr/bin/python2"
alias python3="/usr/bin/python3"
alias apython="/home/ccl/anaconda3/envs/apython/bin/python3"
alias apip="/home/ccl/anaconda3/envs/apython/bin/pip"

二、安装显卡驱动

建议使用系统自带的驱动，如图：

设置密码，待安装完成后重启电脑。

重启电脑按照以下图片选择：

安装完成之后可以使用“nvidia-smi” 命令来查看显卡，如图：

nvidia-smi

三、安装GPU版Tensorflow

apip install tensorflow-gpu==2.5.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

注：-i后面是清华的源，也可以不使用或者使用其他的源。
安装完成后，可以查看以下当前可用的GPU：

from tensorflow.python.client import device_lib

def get_available_gpus():
	local_device_protos = device_lib.list_local_devices()
	return [x.name for x in local_device_protos if x.device_type == ‘GPU’]
print(get_available_gpus())

四、安装CUDA

可以进入官网自行下载，如果安装本教程，可以直接使用我找好的命令直接下载安装：

wget https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/cuda_11.1.0_455.23.05_linux.run
sudo sh cuda_11.1.0_455.23.05_linux.run

按照下面给出的图片选择。


还有一张图，忘记截图了，把驱动的X取消，选择安装。
配置环境变量：

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}}export CUDA_HOME=/usr/local/cuda-11.1

在终端执行命令“source ~/.bashrc” 让环境变量生效

source ~/.bashrc

验证是否成功：
（1）进入目录“/usr/local/cuda-11.1/samples/1_Utilities/deviceQuery”中打开终端。
（2）终端下执行编译命令“sudo make”。
（3）然后执行命令“./deviceQuery”，可以看到GPU信息。
如图，检测到显卡信息，到这里CUDA已经安装完成了。

五、安装cuDNN

下载好对应版本的文件，我这里下载的对应版本是“cudnn-11.2-linux-x64-v8.1.0.77.tgz”，解压文件。

tar zxvf cudnn-11.2-linux-x64-v8.1.0.77.tgz

拷贝文件，并修改文件权限。

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*

到这里tensorflow 2.5的GPU版就安装配置完成了。
输入

import tensorflow as tf
tf.config.list_physical_devices('GPU')

可以测试安装结果，当返回如下提示说明GPU版本安装成功。

六、安装Pytorch

如果都是按照上面步骤安装的，此时可以直接运行此命令安装（其他版本自行去官网安装）：

apip install torch===1.7.1+cu110 torchvision===0.8.2+cu110 torchaudio===0.7.2 -f https://download.pytorch.org/whl/torch_stable.html -i https://pypi.douban.com/simple/

输入

import torch
print(torch.cuda.is_available())

显示True，说明GPU版本的Pytorch安装成功了。

七、安装Pycharm

去官网下载pycharm，为这里下载的是“pycharm-community-2022.1.tar.gz”，用命令解压文件。

tar -zxvf pycharm-community-2022.1.tar.gz

新建目录，用来要安放这个解压的文件。

sudo mkdir /opt/pycharm

移动到此目录下：

sudo mv pycharm-community-2022.1/ /opt/pycharm/

到这里pycharm就已经安装完成了。
优化：选择Tools—>Create Desktop Entry—>OK，就可以加入收藏夹了。

总结

提示：不要在虚拟机里装GPU，已经为大家试过错，虚拟机继承不了主机的显卡，一定要装双系统 双系统 双系统。
本文用到的所有资源都可在这个链接下载：
链接：https://pan.baidu.com/s/1KC2-ma8xBbghWwq4dB23Rw
提取码：0420