深度学习GPU-pytorh环境配置-ubuntu20.04

cuda、torch、torchvision对应关系图。我所选的是cuda11.1+torch1.8.0+torchvision0.9.0

1、给ubuntu安装显卡驱动

在更换Ubuntu系统的镜像源之前，我们应该先备份系统中原有的镜像源文件，以防止意外发生。使用以下命令备份：

sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak

使用以下命令编辑Ubuntu系统的镜像源文件：

sudo gedit /etc/apt/sources.list

该命令将会打开sources.list文件，并允许您对其中的内容进行编辑。将文件中的内容替换为以下内容，以使用清华大学的Ubuntu镜像源：

# 默认注释了源码镜像以提高 apt update 速度，如有需要可自行取消注释
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-updates main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-updates main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-backports main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-backports main restricted universe multiverse
deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-security main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-security main restricted universe multiverse

# 预发布软件源，不建议启用
# deb https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-proposed main restricted universe multiverse
# deb-src https://mirrors.tuna.tsinghua.edu.cn/ubuntu/ focal-proposed main restricted universe multiverse

更改Ubuntu的镜像源后，需要使用以下命令更新系统软件包列表：

sudo apt update

使用以下命令将您的Ubuntu系统中的软件包升级到最新版本：

sudo apt upgrade

查看当前显卡推荐的驱动（建议ubuntu安装就更换清华镜像源。然后速sudo apt 更新软件库要不然有的查找不到或速度很慢）:

ubuntu-drivers devices

然后直接命令行安装，这边列举一个:

sudo apt install nvidia-driver-510

安装完之后查看当前显卡驱动版本:

nvidia-smi

这里我安装的显卡驱动是12.1:

2、给ubuntu安装cuda

cuda版本下载地址

cuda版本安装只有低于显卡驱动版本就行，版本具体选项里面如果没有ubtutu20选ubuntu18也行。这里我安装cuda11.1 :

sudo sh cuda_11.1.1_455.32.00_linux.run

!!!别安装显卡驱动 只安装cuda toolkit

记得导出环境变量:

vim ~/.bashrc

输入:

export PATH=$PATH:/usr/local/cuda/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export LIBRARY_PATH=$LIBRARY_PAT:/usr/local/cuda/lib64

然后更新下环境变量使其生效

source ~/.bashrc

查看cuda是否安装好:

nvcc -V

这里cuda版本是11.1:

3、然后创建anaconda并且创建好自己环境

anaconda下载路径清华镜像

bash Anaconda3-2022.10-Linux-x86_64.sh

安装装成功之后变量跟上面步骤一样导出环境变量:

vim ~/.bashrc

export PATH=$PATH:/home/book/anaconda3/bin

source ~/.bashrc

这里我选择python版本3.7 跟torch、torchvision cp37对应:

conda create -n name python=3.7

然后进入环境，首次进入:

source activate name

进入之后 先下载pip :

sudo apt install pip

这边建议pip添加默认清华镜像源，下载更快:

pip3 config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
# 以后直接 pip install name

然后更新pip:

pip3 install pip -U
# "pip install pip -U" 是用于执行升级pip的命令；

4、安装gpu的torch、torch vision环境

torch、torchvision下载路径

下面是我对应的环境:

在此文件夹打开终端命令行 用pip install :

pip intsall torch-1.8.0+cu111-cp37-cp37m-linux_x86_64.whl

successful之后:

pip intsall  torchvision-0.9.0+cu111-cp37-cp37m-linux_x86_64.whl

！！！注意 离线安装不能用conda install

5、测试环境

新建python文件test.py：

# TEST
import torch
from torch.backends import cudnn

x = torch.Tensor([1.0])
xx = x.cuda()
print("torch版本:", torch.__version__)
print("torch_cudatoolkit版本:", torch.version.cuda)
print("torch_cuda_可用:", torch.cuda.is_available())
print("torch_cuda_计算:", xx)
print("torch_cudnn_可用:", cudnn.is_acceptable(xx))

测试结果如下ok