<Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂

目录

前言

注意:本篇文章是针对Ubantu操作系统及NVIDIA显卡的

第一步:我们先查看操作系统的版本

第二步:查看显卡驱动版本

第三步:更新显卡驱动(不需要可跳过)

第三步:决定安装CUDA的版本

第四步:安装cudnn

第五步:安装Anaconda(已经安装了可跳过)

第六步:创建anaconda环境

第七步:安装pytorch

尾言


前言

本文概述:很多萌新啊,刚接触深度学习,碰见的第一个大BOSS就是配置环境。折腾三四天还是弄不明白,作者这里就打算出一个教程啊,帮助萌新无痛学会pytorch的配套环境安装(nvidia显卡驱动、cuda、cudnn)。

作者介绍:作者本人是一名人工智能炼丹师,目前在实验室主要研究的方向为生成式模型,对其它方向也略有了解,希望能够在CSDN这个平台上与同样爱好人工智能的小伙伴交流分享,一起进步。谢谢大家鸭~~~

 如果你觉得这篇文章对您有帮助,麻烦点赞、收藏或者评论一下,这是对作者工作的肯定和鼓励。  

 环境配置文章汇总

Windows

WindowsCUDA安装

Ubantu

Ubantu上Pytorch安装及其环境配置

华为昇腾平台

待更新~~~

注意:本篇文章是针对Ubantu操作系统及NVIDIA显卡的

第一步:我们先查看操作系统的版本

cat /etc/issue

 

如图,我们的操作系统版本是ubantu16.04,20.04的后面也是同样操作 

 第二步:查看显卡驱动版本

nvidia-smi

 <Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第1张图片

如果你的这台服务器之前没有更新过显卡驱动,需要更新成为最新版本的显卡驱动。如果已经更新过了就无视。显卡驱动版本决定了你能装的的CUDA最高版本是多少。而CUDA版本又决定了你装的pytorch最高版本是多少。

我们想要安装pytorch,首先要决定你要安装的pytorch版本需要的cuda版本是多少,当然也可以先安装cuda版本在去寻找合适的pytorch版本。 

 第三步:更新显卡驱动(不需要可跳过)

驱动安装包传送门:NVIDIA驱动

 <Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第2张图片

CUDA Toolkit选择最新的就好了,这个只是决定了你最高能安装的CUDA版本,但是依然可以安装比12.0更低的版本比如CUDA11.0等。 (注意)

然后点击搜索,下载驱动上传到服务器。

 ​​​​​然后开始安装了

sudo bash 安装包路径

 

 <Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第3张图片

选择继续安装 

 <Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第4张图片

警告全部无视,然后完成安装 

 然后我们在查看下显卡信息面板

nvidia-smi

 <Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第5张图片

红框是我们现在的显卡驱动版本,黄框是我们目前这个驱动最高能安装的CUDA版本 

第三步:决定安装CUDA的版本

我们前面提到过安装有两种顺序,一种是决定pytorch的版本以此来选择cuda版本,第二种是先决定cuda的版本在以此来选择pytorch的版本。新手推荐第一种,我们下面的教程也是以第一种方法来进行展开

Pytorch传送门:Pytorch 

<Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第6张图片

我们打开pytorch的网站,然后我们打算安装pytorch1.10,该版本支持的cuda版本有10.2和11.3。我们下面将演示安装CUDA11.3的流程。 注意这里选择安装cuda11.3是完全没有问题呢,假如你的最新驱动最高能安装的cuda版本只有cuda11.0,那么你只能选择安装cuda10.2。

注意:很多新人下载东西都喜欢下载最新的,但是经验告诉我们。最新的版本往往BUG很多,而且还不够稳定,但是太老的版本又可能有功能缺失等问题,因此我推荐各位小白萌新,装比最新版本低两三个版本的库,pytorch和cuda都是同理。 

我们上面已经决定了要安装CUDA11.3这个版本,下面我们开始进行安装 

CUDA传送门:CUDA ,注意有些人可能需要魔法才能打开这个外国网页

 <Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第7张图片

然后我们按下图选择 ,主要系统版本要根据自己的来

 <Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第8张图片

然后我们运行下面的指令 

 <Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第9张图片

 然后根据我下面的流程来进行

 <Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第10张图片

这里我们输入accept就好了 

下面是小白最容易被坑的点了,一定要取消勾选显卡驱动,具体是因为可能版本冲突。

正确的配置如下图,显卡驱动前面没有X

 <Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第11张图片

然后我们选择install 回车 

 <Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第12张图片

 <Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第13张图片

 YES

 <Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第14张图片

这个提示不用管 

然后我们进行环境配置

vim ~/.bashrc

 vim文本编辑器操作流程 键盘按i 进行插入模式这个时候可以对内容进行编辑 编辑完之后按键盘Esc,然后在输入:wq 回车保存退出

 我们将下面的配置写进去如下图所示

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

 <Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第15张图片

 然后保存退出,输入下面的指令让系统完成配置更新

source ~/.bashrc

 然后我们在检查下配置是否正确

nvcc -V

 <Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第16张图片

出现如图这样,就说明你的cuda已经配置好了。 

 第四步:安装cudnn

cudnn是cuda的加速库,可以提高计算性能

 CUDNN传送门:cudnn

 <Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第17张图片

我们这里一定要选择跟自己在服务器上安装的cuda版本匹配(不是显卡最高支持的版本)的cudnn 

<Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第18张图片

翻车,这个版本的cudnn不支持ubantu16.04,那我们往下找找更低版本的cudnn 

 好的,这个版本是支持ubantu16.04的

 <Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第19张图片

我们需要把这三个包都给下载并上传到服务器上,然后在进行安装。

注意:安装是有顺序的,不能乱安,否则会报错

先装 libcudnn8_8.2.1.32-1+cuda11.3_amd64.deb

dpkg -i libcudnn8_8.2.1.32-1+cuda11.3_amd64.deb

 <Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第20张图片

然后安装 libcudnn8-dev_8.2.1.32-1+cuda11.3_amd64.deb

dpkg -i /root/libcudnn8-dev_8.2.1.32-1+cuda11.3_amd64.deb

 

 最后的同理

dpkg -i /root/libcudnn8-samples_8.2.1.32-1+cuda11.3_amd64.deb

 <Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第21张图片

 到这里cuda和cudnn都安装完成了。然后解下来我们要开始安装anaconda了,已经安装anaconda了的话,下面这部分可跳过

第五步:安装Anaconda(已经安装了可跳过)

 Anaconda传送门:Anaconda

 <Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第22张图片

 这里根据你的系统架构进行选择,下载完后也是上传到服务器进行安装

<Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第23张图片

 然后我们执行下面的指令进行安装

sudo bash /root/Anaconda3-2023.03-1-Linux-x86_64.sh

 <Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第24张图片

一直按回车就行了 

<Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第25张图片

输入yes 

 <Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第26张图片

 萌新不建议乱改路径,我们这里直接按回车(一次)就好了 ,回车完了后一定要双手离开键盘!!!!

下面这里非常非常重要,这里不要手贱按回车,我们这里要输入yes,在按回车去初始化anaconda,要不然你需要自己去配置路径这样非常非常麻烦。

<Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第27张图片

 <Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第28张图片

如图,这样我们的anaconda就已经安装完成啦。 

第六步:创建anaconda环境

执行下面的命令创建python3.8且名为dl的环境 

conda create -n dl python=3.8

命令如果提示找不到,说明conda的环境配置是有问题的,如果上面conda的环境配置失败或者忘记输入yes,可以执行下面的命令补救,路径是自己的路径

source /root/anaconda3/bin/activate
conda init

 <Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第29张图片

输入y 

<Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第30张图片

这样,我们的conda环境就创建好了  

第七步:安装pytorch

进入我们上面创建的dl环境  

conda activate dl

 然后我们打开pytorch的官网 

 pytorch传送门:Pytorch

 <Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第31张图片

我们复制这个命令然后运行  

 <Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第32张图片

输入y 

 

pytorch安装完成 

然后我们通过命令进入python 

python

导入torch库 ,并回车

import torch

 <Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第33张图片

然后执行下面的命令  

print(torch.cuda.is_available())

 <Ubantu>Pytorch保姆级安装教程,从版本选择到依赖安装(CUDA、CUDNN、Anaconda)一文读懂_第34张图片

如果返回是Ture的话说明你的pytorch是可以正常调用GPU去进行计算的,如果返回False,说明上面的配置有问题,请仔细阅读本文 

尾言

 如果您觉得这篇文章对您有帮忙,请点赞、收藏。您的点赞是对作者工作的肯定和鼓励,这对作者来说真的非常重要。如果您对文章内容有任何疑惑和建议,欢迎在评论区里面进行评论,我将第一时间进行回复。 

你可能感兴趣的:(人工智能环境配置,pytorch,人工智能,深度学习,python,机器学习)