ubuntu18.04 &&NVIDIA装机 ＆＆pytorch 开发环境安装指南
写下此文章目的是以后在装机的时候直接来参考，不用到处找命令
一： 安装ubuntu18.04 桌面版本 带GPU
装机的时候要显示屏要接到主板的视频输出口，装完系统，把显示屏接到显卡输出口，因为系统一般会自带nouveau驱动。这个时候要把ｓｓｈ，ｓａｍｂａ，静态ｉｐ配好
其中在装机过程中，选择清楚整个磁盘并安装ｕｂｕｎｔｕ ，如果要自定义分区，选择其他选项
然后就会让你重新划分磁盘，有几个区是必须要有的
- ｅｆｉ 分区。大约１Ｇ，类型逻辑分区
- ｓｗａｐ 分区，看自己硬盘大小，推荐１Ｇ以上
- ／ 分区 类型：主分区
逻辑分区和主分区区别：主分区是硬盘的启动分区，也是硬盘的第一个分区，剩下的叫扩展分区，扩展分区就分逻辑分区，也就是系统开机时候只认识主分区
ｂｏｏｔ ｌｏａｄｅｒ ｄｅｖｉｃｅ 选择 ＥＦＩ分区
安装过程中不要插网线，会减少安装时间（插了网线会自动下载一些乱七八糟的软件等）
这样安装完后，会把ＵＥＦＩ，安装在efi分区（/boot/efi），开机后由grub找到第一个分区，加载系统并启动。
说明：从2011 以后笔记本和台式机都支持UEFI安装模式了，可以在boot mode 中设置
1 进入系统，首先要设置ip
如果是桌面版，设置如下
此时的网络有Networkmanager 管理，具体可以查看/etc/netplan 下的文件
如果是服务器或者没有GUI,可以同过netplan 设置由networkd管理（从17.10开始替换了/etc/network/interface）
Netplan currently supports two renderers NetworkManager and Systemd-networkd. NetworkManager is mostly used on Desktop machines while the Systemd-networkd is used on servers without a GUI.
使用 ip link 查看以太网接口名称
编辑 /etc/netplan/ 下的配置文件
network:
version: 2
renderer: networkd
ethernets:
ens3:
dhcp4: no
addresses:
- 192.168.121.199/24
gateway4: 192.168.121.1
nameservers:
addresses: [8.8.8.8, 1.1.1.1]
# netplan apply2 ｓｓｈ 安装
apt-get install openssh-server查看是都启动
ps -e|grep ssh
etc/init.d/ssh start3 ｓａｍｂａ 安装
sudo apt-get install samba samba-common
修改 配置文件/etc /samba/smb.conf
【share】
comment=this is my share
path=/home/liwx/share
valid users = liwx
writable=yes
chmod 777 /hom/liwx/share
然后看下 这个share 这个目录的所属用户
使用 smbpasswd -a liwx # 把用户加入到smb 中 设置密码
/etc/init.d/smbd restart
\\ip\share二： 安装nvidia driver && cuda&& cudnn
首先要禁用到nouveau,在装完ssh和samba后，及时黑屏也可以终端安装
lsmod | grep nouveau #r如果无输出代表禁用成功
sudo gedit /etc/modprobe.d/blacklist.conf
添加
blacklist nouveau
options nouveau modeset=0
重启
验证
#####上面方法还不行的话
find / -name nouveau*
把ko文件重命名
下载好驱动run 文件，并执行安装，安装日志在 var/log/
安装cuda 配置如下： 下载链接：CUDA Toolkit Archive | NVIDIA Developer
#以下命令我是用root用户编辑的
vim ~/.bashrc
LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.1/lib64
PATH=$PATH:/usr/local/cuda-10.1/bin
CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.1也可以把 /usr/local/cuda/lib64 添加到 /etc/ld.so.conf 文件末尾 ，然后ldconfig 在执行 ldconfig -v 查看下
安装cudnn 下载链接 ： cuDNN Archive | NVIDIA Developer
#如果安装过cuda 并创建过链接
cp cuda/include/* /usr/local/cuda-10.1/include/
cp cuda/lib64/libcudnn* /usr/local/cuda-10.1/lib64/
chmod a+r /usr/local/cuda-10.1/include/cudnn.h
chmod a+r /usr/local/cuda-10.1/lib64/libcudnn*
查看cudnn版本信息：
cat /usr/local/cuda-10.1/include/cudnn.h | grep CUDNN_MAJOR -A 2
出现版本信息则安装成功
#define CUDNN_MAJOR 7
#define CUDNN_MINOR 6
#define CUDNN_PATCHLEVEL 5在接下来就是pip install 下载好的pytorch torchvision
三 安装python opencv 等
- python3
apt install software-properties-common
add-apt-repository ppa:deadsnakes/ppa
apt update
sudo apt install python3.8
pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113
2 opencv
apt install python3-opencv在Ubuntu系统中创建新用户，并为该用户配置CUDA和Anaconda环境需要执行多个步骤。下面是一份简明的指南。
1. 创建新用户
在终端中使用下面的命令创建新用户（例如，用户名为newuser）：
bashCopy code
sudo adduser newuser
按照提示设置密码和其他信息。
2. 添加用户到sudo组（可选）
如果你想让这个新用户有sudo权限，执行以下命令：
bashCopy code
sudo usermod -aG sudo newuser
3. 切换到新用户
使用下面的命令切换到新用户：
bashCopy code
su - newuser
或者重新登录为这个新用户。
4. 安装CUDA
首先，确保系统的GPU驱动已经安装。然后从NVIDIA CUDA下载页面下载合适的CUDA版本。按照下载页面上的说明进行安装。
5. 配置环境变量
为了使用CUDA，一些环境变量需要被设置。在用户的.bashrc（或你选择的shell的配置文件）添加下面的行：
bashCopy code
export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
然后运行：
bashCopy code
source ~/.bashrc
6. 安装Anaconda
参考上一个问题中的Anaconda安装步骤。注意，由于你是作为新用户进行操作，因此无需使用sudo。
7. 创建具有CUDA支持的Anaconda环境
创建一个新的conda环境并安装必要的包。例如，要安装支持CUDA的TensorFlow，你可以这样做：
bashCopy code
conda create -n myenv python=3.8 conda activate myenv conda install tensorflow-gpu
现在，新用户newuser应该有一个配置好的CUDA和Anaconda环境。
注意
- CUDA和Anaconda的安装和配置可能因版本或硬件而异。这里的指南可能需要根据具体情况进行调整。
- CUDA通常需要特定版本的GPU驱动，确保你安装了兼容的版本。
- 对于多用户系统，一般来说，CUDA的安装是全局的，但Anaconda可以为每个用户单独配置。
这样，你就完成了新用户的创建和环境配置。现在，该用户可以独立地运行支持CUDA的程序和使用Anaconda进行Python开发。