Linux系统搭建GPU加速的PyTorch环境
当前训练CNN最受欢迎的两个框架是TensorFlow和 pyTorch，搭建相应的环境其实不难，博主早先在笔记本的Ubuntu上很快就搭建了pyTorch环境及手写了ResNet 的Demo。但是最近台式机配上比较不错的显卡后，再次搭建带CUDA的 pyTorch开发环境时，遇到一些问题，故简略记录于此。
博主一直使用的是Ubuntu+Windows双系统，此次一并将双系统（Win10+Ubuntu18.04）安装方式总结啦。
双系统安装
这里主要总结先安装Win10，再安装Ubuntu18.04的方法。
第一步：安装Win10。
这一步很多人可以直接跳过，毕竟平时使用的就是Win10。而Windows的安装方法当前也越来越简单，将安装包刻录到U盘里（使用UltraISO），然后在BIOS或UEFI启动顺序设置中将U盘设置为优先启动后，根据提示指引安装即可，此处不赘述。
在既有的Win10上，需要做一件事情，以便后续安装Ubuntu：进入“磁盘管理”后，将硬盘压缩出50G左右，作为“未使用”的空白盘。注意：1、如果有双硬盘（固态+机械），则可选择将固态硬盘压缩出一些空间，作为Ubuntu的boot空间（开机会快一点）。2、考虑到要处理大量图像数据，最好将硬盘留大一点，比如我预留了500G空间未使用。
第二步：准备安装Ubuntu18.04。
基本和安装Win10类似，从官网获取Ubuntu18.04后，将安装包刻录到U盘里（使用UltraISO，具体操作请自行百度，有很多制作系统安装盘的教程），然后在BIOS或UEFI启动顺序设置中将U盘设置为优先启动后，选择“Install Ubuntu”后，进入安装指引。其中有一步会提示“是否与Win10共存”，这一步很关键，如果没有出现这个提示，之前的步骤会是有问题的。当然，此处我们选择“Other/其他”，以便进行自定义安装。
第三步：Ubuntu安装分区设置。
根据安装引导提示，将会进入分区设置界面。分区其实不难，关键是把握4个分区：主分区/，交换分区swap，引导分区boot，和用户分区home。选择之前预留的空白空间后，进行如下操作。
创建主分区/。主分区相当于系统盘，建议分配10G左右空间。选择主分区、Ext4、和挂载点/。
创建交换分区swap。交换分区将被当成内存使用，建议设置为物理内存同样大小。选择逻辑分区、交换空间。
创建引导分区boot。引导分区是用来开机引导的，建议500M左右，另外可创建在固态硬盘里。选择逻辑分区、Ext4、和挂载点/boot。
创建用户分区home。这里是平时工作的地方，主要是存储数据。选择逻辑分区、Ext4、和挂载点/home。
之后根据提示完成安装即可。
Ubuntu系统安装显卡驱动
安装好Ubuntu后，发现分辨率比较低，而且操作比较卡顿，直觉告诉我是显卡驱动的问题。博主显卡是RTX 2080Ti，于是立刻到NVIDIA官网（https://www.geforce.com/drivers）下载了个相应的显卡驱动：NVIDIA-Linux-x86_64-418.56.run（请根据自己的显卡和当前驱动更新发布情况选择适当的驱动版本）。
安装前需要禁用系统默认的显卡驱动，如下操作。
打开系统黑名单：
sudo gedit /etc/modprobe.d/blacklist.conf在文件末尾加入这几行：
# for nvidia display device install
blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist rivatv
blacklist nvidiafb保存，然后更新initramfs:
sudo update-initramfs -u重启电脑后，输入命令查看是否禁用成功：
lsmod | grep nouveau无输出则说明禁用成功。
接下来进行驱动安装。首先需要将安装文件的权限提升到最高：
sudo chmod 777 NVIDIA-Linux-x86_64-418.56.run然后运行安装程序：
sudo ./NVIDIA-Linux-x86_64-418.56.run如果安装过程中遇到错误如未找到gcc或make，那么安装好这些必要的程序后再重新运行安装显卡驱动。
显卡驱动安装好后，重新启动电脑，发现分辨率正常了，找到“设置”→“详细”，发现显示了RTX 2080Ti。说明显卡驱动安装成功。
检测显卡的另一个方法，运行命令：nvidia-smi。
安装Anaconda
目前pyTorch搭建IDE比较推荐Anaconda。至官网下载Linux64位版本的Anaconda安装包（博主下载的是Anaconda3-5.2.0-Linux-x86_64.sh）。将该文件权限提升到最高：
sudo chmod 777 Anaconda3-5.2.0-Linux-x86_64.sh然后sudo运行安装即可。
安装成功后，在Terminal中输入jupyter notebook，即可在浏览器中打开notebook操作界面。
注意：若官网下载Anaconda太慢的话，可以从清华镜像平台上下载：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
安装pyTorch和相应CUDA
这部分可以参考官网的指导“get-started”：https://pytorch.org/get-started/locally/
理论上这一步可以直接运行官网推荐的命令进行安装的（以CUDA9.0为例）：
conda install pytorch torchvision cudatoolkit=9.0 -c pytorch安装成功后，可以在notebook中使用一下代码进行测试：
from __future__ import print_function
import torch
x = torch.rand(5, 3)
print(x)应该输出类似于以下的结果：
tensor([[0.3380, 0.3845, 0.3217],[0.8337, 0.9050, 0.2650],[0.2979, 0.7141, 0.9069],[0.1449, 0.1132, 0.1375],[0.4675, 0.3947, 0.1426]])另外，测试cuda：
import torch
torch.cuda.is_available()如果输出True，就说明安装一切安装成功了。
但是如果安装失败，可以尝试手动安装这些组件：CUDA、cuDNN、pyTorch。
CUDA安装包下载地址：https://developer.nvidia.com/cuda-downloads
cuDNN安装包下载地址：https://developer.nvidia.com/rdp/cudnn-download
pyTorch建议命令安装：conda install pytorch
主要CUDA与cuDNN需要安装互相兼容的版本，官网上可找到其兼容性的相关说明。CUDA下载的最后一步选择“runfile(local)”
博主在手动安装CUDA时捣鼓了很久，本来想装CUDA10.1，但是进入安装界面后，如果选择“不安装驱动”（显卡驱动之前已经安装过了啊），就会报错“需要在安装驱动基础上进行后续安装”；而如果选择“安装驱动”，就会出现“假的安装成功”。之后卸载当前的显卡驱动后，再进行安装，会出现“近似的安装成功”（/usr/local目录下出现了cuda10.1的目录，但是其实似乎没完全安装）。但是重启后，发现驱动还是没有，于是又重新装了一次显卡驱动。另外，据说还可能出现gcc版本和CUDA不兼容，可能需要将gcc降级处理（兼容信息同样可以在官网CUDA兼容说明中找到，如：https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html）。
手动安装容易出各种问题，还是建议尽量使用命令：conda install pytorch torchvision cudatoolkit=9.0 -c pytorch，直接搞定。
另外，有篇博客也对此进行了总结，可以参考：Ubuntu18.04下安装深度学习框架Pytorch（GPU加速）
其他参考内容：
在Ubuntu 18.04系统中安装RTX 2080Ti显卡驱动的方法
ubuntu安装cuda
至此，安装结束。现在启用cuda跑一跑你的CNN训练，不出意外的话，训练速度瞬间将得到显著的提升。继续努力吧！
Linux系统搭建GPU加速的PyTorch环境相关推荐
- （十三）深入理解蓝牙BLE之“Linux系统搭建zephyr和dongle的环境”
目录 dongle准备: nrfutil工具安装: 更新dongle固件: zephyr系统: 蓝牙Peripheral的例程编译:
- Linux系统搭建Red5服务器
Linux系统搭建Red5服务器 Red5 是 支持Windows,Linux等多平台的RTMP流媒体服务器,Windows下搭建相对容易,图形界面操作比较简单,Linux服务器的环境下没有图形界面, ...
- 嵌入式Linux学习笔记（1-1）——linux系统搭建
版权声明:本文为博主原创文章,未经博主允许不得转载. 学习嵌入式linux已经有2年时间,虽然时间不长,但一路走来遇到很多问题,绕了很多弯路.写这篇文章的目的是分享我的经验,以供初学者参考,希望能够帮 ...
- SOC FPGA linux系统搭建（Terasic DE10-Nano开发板）
Embeeding linux for Cyclone V SoC FPGAs(Terasic DE10-Nano) 本设计使用黄金硬件参考设计 (GHRD) 和添加自定义 IP 到开发 Linux ...
- scala linux 环境配置,LINUX系统下Java和Scala的环境配置
最近,笔者在研究一个有关"自然语言处理"的项目,在这个项目中,需要我们用Spark进行编程.而Spark内核是由Scala语言开发的,所以在使用Spark之前,我们必须配置好Sca ...
- ZynqLinux最小系统系列—— 9、一般Linux系统搭建（非Petalinux）
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 ZynqLinux最小系统系列-- 9.一般Linux系统搭建(非Petalinux) 前言 准备工作 操作流程 前言 前面petal ...
- SoC学习篇—Linux 系统搭建
SoC学习篇-Linux 系统搭建 一.制作.dtb与.rbf文件 1.编译硬件工程 2.文件制作 二.启动操作系统内核 1.编译uboot 2.生成preloader-mkpimage.bin文件 ...
- linux 版本的scipy,Linux 系统中 SciPy (Python 3) 编程环境
Linux 系统中 SciPy (Python 3) 编程环境 SciPy (pronounced "Sigh Pie") is a Python-based ecosystem ...
- 软raid1 重新同步_软RAID搭建基于linux系统搭建RAID5
实验二.软RAID搭建-基于linux系统搭建RAID5 实验要求: 1)创建RAID5; 2)添加一个热备盘sdj 3)指定chunk为32k 4停止阵列,重新激活阵列 5使用热备盘,扩展阵列容量, ...
- VMWare虚拟OSX系统搭建ios、iphone开发环境并成功运行模拟器(2016)
虚拟OSX系统搭建ios.iphone开发环境并成功运行模拟器 搭建ios.iphone开发环境,如果你是土豪,又或者是 愿意砸钱投资.直接买个MacBook就可以了.然后从AppStore下载所需的 ...
最新文章
- 给Oracle表空间Tablespace扩展库文件
- Webpack-IE低版本兼容指南
- 混合开发的坑(7) ---输入文本时，键盘遮挡
- 【Python】条件及循环语句
- Android多线程分析之三：Handler，Looper的实现
- 蚂蚁资深技术专家王旭：开源项目是如何让这个世界更安全的？
- 洛谷 P1344 [USACO4.4]追查坏牛奶Pollutant Control 解题报告
- 83年的我刚好今年遇到了失业
- Mysql：语法：虚拟表DUAL
- Java8之list.stream的常见使用例子
- Openv*n配置和单网卡转发
- 音乐节奏提取matlab,音乐旋律提取算法 附可执行demo
- [Linux]学习笔记3：用户及文件权限管理
- zoj 3551 Bloodsucker 概率DP
- Stm32中英文手册官网免费
- 图片存base64后展示问题
- 跌破150美元、市值蒸发3600亿美元，这个圣诞节苹果过得“太冷了”！...
- 数据可视化笔记4 结构数据的可视化图形
- c语言顺序线性表的实现
- 自考免考计算机应用基础申请流程,自考免考课程申请过程