文章目录

一、安装Anaconda
- 1.安装Anaconda
- 2.区分ubuntu系统中自带的python与Anaconda中带的python
- 3.创建一个深度学习环境
二、安装cuda与cudnn
- 1.下载cuda
- 2.安装cuda
- 3.配置cuda
- 4.下载和安装cudnn
三、安装pytorch
四、安装pycharm
- 1.下载pycharm
- 2.安装pycharm
- 3.在pycharm中配置pytorch环境
五、安装tensorflow
参考

一、安装Anaconda

1.安装Anaconda

Anaconda是一个软件发行版，包含了python和数百个第三方开源项目的二进制文件，如conda、numpy、scipy、ipython等。利用Anaconda配置深度学习环境，能方便安装各个流行框架，如tensorflow、pytorch等，可以解决不同版本的兼容性问题。
Anaconda官方下载链接: https://www.anaconda.com/products/individual [注：下载速度挺快的，不用找镜像下载]

下载后的文件为Anaconda3-2021.11-Linux-x86_64.sh，在终端输入以下命令安装：

$bash Anaconda3-2021.11-Linux-x86_64.sh

一直按回车键，直到出现“Do you accept the license terms”, 输入“yes”，

出现“Anaconda3 will now be installed into this location: /home/xxx/anaconda3”，直接按回车键，安装在该目录中。

出现“Do you wish the installer to initialize Anaconda3 by running condo init?”, 输入“yes”后自动添加环境变量。

至此安装完成。

2.区分ubuntu系统中自带的python与Anaconda中带的python

Ubuntu20.04中自带python3(本机上的版本是python3.8.10)，在终端输入conda list命令，可看到上步安装的Anaconda中的python版本是python3.9.7。

ubuntu操作系统一般将 bash 作为默认的终端 shell，为了加载用户首选项，bash 在每次启动时都会自动载入 .bashrc 配置文件中的内容，这个 .bashrc 隐藏配置文件可以在每个用户的主目录中找到，它用于保存和加载不同用户的终端首选项和环境变量。

在终端输入命令：

$sudo gedit ~/.bashrc     //~代表的当前用户的home目录,.bashrc是文件名,~/.bashrc是绝对路径，这样就可以在任何位置打开这个文件

在.bashrc末尾添加以下内容：

alias python3="/usr/bin/python3.8"     #alias python come with ubuntu as python3
export PATH="/home/xxx/anaconda3/bin:$PATH" #add environment variables

在终端输入以下命令，使修改过的.bashrc文件生效。

$source ~/.bashrc

测试一下上述的区分，在终端输入python，应该启动Anaconda中的python；在终端输入python3，应该启动ubuntu自带的python。

3.创建一个深度学习环境

$conda create -n pytorch1.10 python=3.9  //pytorch1.10是自己命的环境名，python版本对应Anaconda中的python
$conda env list                //查看创建的环境
$conda activate pytorch1.10   //激活创建的环境
$conda deactivate              //关闭环境

二、安装cuda与cudnn

Nvidia的GPU需要使用cuda，cuda是一个与GPU硬件相配对的软件平台，基于此，开发者可以用GPU的并行处理能力加速计算。cudnn是基于CUDA的深度学习GPU加速库。

1.下载cuda

安装的cuda版本需要与本机的显卡驱动适配，cuda与显卡驱动的对应关系如下图：

本机的显卡驱动版本是495.46，在pytorch官网上可看到最新的pytorch支持的cuda版本是11.3，因此下载这个版本的cuda，官方下载网址： https://developer.nvidia.com/cuda-toolkit-archive
[注：下载速度挺快的，不用找镜像下载]

下载的文件是cuda_11.3.0_465.19.01_linux.run。

2.安装cuda

在终端运行下列语句：

$ conda activate pytorch1.10  //激活上节创建的虚拟环境
$ sudo sh cuda_11.3.0_465.19.01_linux.run //输入完语句后不要着急，稍微等一两分钟

在安装过程中：

“Do you accept the above EULA?”，输入accept。

然后将Driver前面的选项按回车，去掉；其他的保持不动，选择“Install”，稍等几分钟就装好了。

3.配置cuda

打开.bashrc 配置文件：

$sudo gedit ~/.bashrc

在末尾加入以下语句：

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.3/lib64
export PATH=$PATH:/usr/local/cuda-11.3/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-11.3

使修改的.bashrc 配置文件生效：

$source ~/.bashrc

配置完检查：

$nvcc --version

若出现以下界面，说明cuda安装成功。

4.下载和安装cudnn

在Nvidia官网下载cudnn文件时比较麻烦，需要先注册一个Nvidia账号。折腾了很久，总是在注册的最后一步失败，无奈只能“曲线救国”。
在win10系统下，进入cudnn官方下载网址 https://developer.nvidia.com/rdp/cudnn-archive

复制下载链接，用迅雷下载，下载的包为cudnn-11.3-linux-x64-v8.2.1.32.tgz。
可参考这篇博客不注册Nvidia账号下载cuDNN的方法 https://blog.csdn.net/m0_51311126/article/details/121355154?spm=1001.2014.3001.5506

解压缩tgz文件，解压出cuda文件夹。

$tar -zxvf cudnn-11.3-linux-x64-v8.2.1.32.tgz

记得在创建的虚拟环境中进行：

$conda activate pytorch1.10

执行下面操作：

$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*

许多教程是输入这条语句“cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2”有正确显示则安装成功，但我的机子上没有任何显示，决定在安装了深度学习框架后再测试。

三、安装pytorch

打开pytorch官网 https://pytorch.org/，选择最新版本。
在终端首先进入虚拟环境，

$conda activate pytorch1.10

然后在终端输入上图红色框中的语句，很快就可以安装完成。

最后输入以下语句进行验证：

$python                       //运行python
$import torch                 //导入torch模块,这里应该没有任何输出
$torch.cuda.is_available()    //输出True则安装成功
$exit()                       //退出python
$conda deactivate             //退出虚拟环境

四、安装pycharm

1.下载pycharm

打开pycharm官方网站 https://www.jetbrains.com/pycharm/download/#section=linux，选择community版下载，下载的文件是pycharm-community-2021.3.1.tar.gz，解压缩。

2.安装pycharm

$conda activate pytorch1.10             //激活虚拟环境
$cd pycharm-community-2021.3.1/bin
$./pycharm.sh

按照提示一步步安装完，先按照默认配置新建个工程，编译器选择默认的新建个Virtualenv Environment，就可以看到Pycharm的主界面了，python编译配置按下节步骤再更改。

3.在pycharm中配置pytorch环境

打开上节新创建的工程，按照上图中红色框标出的步骤，编译环境的选择中，可以选择现存的环境Conda，解释器(Interpreter)选择anaconda3下envs中的pytorch1.10环境下的python解释器，点击OK。

测试配置环境：
创建好一个工程文件后，新建一个python文件，在其中输入

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

运行，如果没有报错，且第二条程序返回结果为True，则说明环境配置成功，且可以正常使用pytorch和GPU。

创建pycharm快捷方式:
1）在/usr/share/applications创建一个文件：pycharm.desktop

$cd /usr/share/applications
$sudo gedit pycharm.desktop

2）编辑这个文件，添加以下内容

[Desktop Entry]
Version=1.0
Type=Application
Name=Pycharm
Icon=/home/xxx/software/pycharm-community-2021.3.1/bin/pycharm.png
Exec=sh /home/xxx/software/pycharm-community-2021.3.1/bin/pycharm.sh
MimeType=application/x-py;
Name[en_US]=pycharm

注：Icon和Exec里包含的是绝对路径。

点击ubuntu20.04左下角Show Applications按钮，搜索pycharm，即可找到此软件。

五、安装tensorflow

创建新的tensorflow的环境

$conda create -n tensorflow python=3.9    //3.9是你的anaconda中python的版本
$conda activate tensorflow                //激活虚拟环境

进入tensorflow官网（gpu版）https://tensorflow.google.cn/install/gpu

根据指导，在终端输入以下语句安装tensorflow

$pip install tensorflow

测试tensorflow是否安装成功

$python                            //运行python
$import tensorflow as tf
$print(tf.test.is_gpu_available()) //最后得到True表示tensorflow-gpu版安装完成

$conda deactivate    //退出虚拟环境

参考

Ubuntu20.04下深度学习环境配置（持续维护） https://blog.csdn.net/m0_37412775/article/details/109355044

Ubuntu20.04下配置深度学习环境相关推荐

pytorch中深度拷贝_在ubuntu20.04下搭建深度学习环境（pytorch1.5）
首先声明,完成这个环境的搭建不是我一个人的努力,是我在网上查找好多相关资料并得益于他们的帮助完成的,在下文对应的地方会放上相关链接.整个过程我将它分为4个步骤. 一.在ubuntu20.04上安装py ...
Ubuntu 20.04 LTS/RTX30XX显卡快速配置深度学习环境（一行命令）
近日,新入一台RTX3080的服务器,目前好像还没办法很方便地在 RTX 30 系列 GPU上通过 pip/conda 安装 TensorFlow 或 PyTorch.因为这些 GPU 需要 CUDA ...
保姆级教学如何在Ubuntu 20.04工作站上配置深度学习环境
在Ubuntu 20.04工作站上配置深度学习环境各位同学大家好,本教程将会一步一步的演示如何在一台安装了Ubuntu20.04的服务器上配置深度学习环境,使其成为深度学习工作站. 现在大多数深度学 ...
从安装Ubuntu双系统到配置深度学习环境
学习前言最近在搭载深度学习环境花了好几天时间,踩了不少坑,于是打算记录一下. 第一次写博客,写的不好大家见谅,嘻嘻~ 1.我的电脑配置联想拯救者R9000P游戏本,32G内存,512G,GeFor ...
暗影精灵win11装ubuntu双系统，安装显卡驱动、配置深度学习环境
一.双系统安装 1.win下磁盘分区.关闭设备加密和快速启动 (1)将700个g的d盘拆除一半给ubuntu,在此电脑右键管理,在拟拆分的磁盘中右键压缩卷,选择分区的大小即可.(不要进行磁盘分配,如果 ...
Ubuntu18.04系统搭建深度学习环境
安装概要:显卡驱动+cuda11.7+cudnn+pip换源+Anaconda3+pycharm 『xxx』:代表软件名称目录 1.系统换源 2.安装显卡驱动 3.安装cuda和cudnn 4.安装 ...
【深度学习环境配置】手把手实战配置深度学习环境（win10版）
著名的诺贝尔物理学奖得主Richard Phillips Feynman提出一个著名的学习方法--"费曼学习法",其核心可以总结为四个字:"以教促学". 如果能 ...
NVIDIA Jetson NX配置深度学习环境（Pytorch、torchvision）超级详细，torchvision安装避坑总结
NVIDIA Jetson NX配置深度学习环境 1.准备python环境 2.安装Pytorch 3.torchvision安装 4.torchvision安装报错问题解决 4.1前言 4.2问题描 ...
pycharm配置深度学习环境：conda env create -f environment.yml报错
pycharm配置深度学习环境写在前面:这篇文章记录了深度学习小白第一次配置环境过程中遇到的问题及解决方法,方便以后查阅也欢迎大家交流~ 注:最终的解决方案在"更新"部分,不想看 ...

Ubuntu20.04下配置深度学习环境