文章详情

登录

短信预约-IT技能 免费直播动态提醒

选择考试省份

  • 北京
  • 上海
  • 天津
  • 重庆
  • 河北
  • 山东
  • 辽宁
  • 黑龙江
  • 吉林
  • 甘肃
  • 青海
  • 河南
  • 江苏
  • 湖北
  • 湖南
  • 江西
  • 浙江
  • 广东
  • 云南
  • 福建
  • 海南
  • 山西
  • 四川
  • 陕西
  • 贵州
  • 安徽
  • 广西
  • 内蒙
  • 西藏
  • 新疆
  • 宁夏
  • 兵团

请输入下面的图形验证码

提交验证

短信预约提醒成功

Ubuntu搭建Pytorch环境（Anaconda、Cuda、cuDNN、Pytorch、Python、Pycharm、Jupyter）

2023-09-08 06:31

关注

Ubuntu搭建Pytorch环境（Anaconda、Cuda、cuDNN、Pytorch、Python、Pycharm、Jupyter）

查看Ubuntu版本号：cat /etc/issue，后续根据版本号添加对应的镜像源
2.备份镜像源：sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak
3.在阿里云镜像源官网中找到并复制与版本号对应的阿里镜像源：
在这里插入图片描述

或者在清华镜像源官网中找到并复制与版本号对应的清华镜像源：
在这里插入图片描述

编辑软件源配置文件：sudo vi /etc/apt/sources.list，将文件中内容替换为阿里镜像源或清华镜像源
5.刷新软件源：sudo apt-get update
6.安装用于编译和构建软件的工具库：sudo apt-get install build-essential

1.下载Anaconda

进入Anaconda官网，下载linux版的anaconda（.sh结尾的文件）
https://www.anaconda.com/download
在这里插入图片描述

2.安装Anaconda

将文件拷贝到Ubuntu中，在相应位置输入命令sh 文件名.sh进行安装（推荐在root用户下安装）
在这里插入图片描述

一直按ENTER键，直到出现让选择yes和no的页面，键盘输入yes
在这里插入图片描述

选择安装位置，输入想要安装的位置（注意：这里安装anaconda时最好安装在普通用户可以访问的目录下，例如/usr/local、/opt、/home，否则普通用户可能无法正常使用）
在这里插入图片描述

如果只需要在root账户下使用anaconda，直接按ENTER键选择默认位置就行。我这里安装到了默认路径/root/anaconda3下
在这里插入图片描述

初始化conda环境：键盘输入yes会自动配置环境；键盘输入no，后续要自定义配置环境。
在这里插入图片描述

3.Anaconda的环境配置

找到Anaconda的安装位置，默认安装会有提示，一般都是home/用户名/anaconda3，我本次安装到了/root/anaconda3下
在这里插入图片描述
2.输入vi ~/.bashrc编辑环境变量，添加以下内容：

export PATH="/自己对应的路径名/anaconda3/bin:$PATH"

这里写自己对应的路径名，我的是export PATH=“/root/anaconda3/bin:$PATH”
在这里插入图片描述

激活修改的内容：source ~/.bashrc
4.测试是否配置成功：输入conda，若没有显示not fond 则表示 anaconda安装配置成功
在这里插入图片描述

4.赋予普通用户/超级用户使用Anaconda的权限

无论是在root用户还是普通用户下进行安装的，安装anaconda时最好安装在普通用户可以访问的目录下，例如/usr/local、/opt、/home，否则普通用户是无法使用anaconda的。
（1）在root用户下安装的anaconda，想要赋予普通用户使用anaconda的权限
比如安装位置为/opt/anaconda3，直接在普通用户下执行：/opt/anaconda3/bin/conda init bash，然后执行conda env list测试
在这里插入图片描述
（2）在普通用户下安装的anaconda，想要赋予超级用户（root）使用anaconda的权限
比如安装位置为/home/xxx/anaconda3，直接在root用户下运行：/home/xxx/anaconda3/bin/conda init bash，然后执行conda env list测试
在这里插入图片描述

5.卸载Anaconda

如果安装anaconda时不小心安装到了在普通用户访问不到的目录下，例如/root、/home/root，可以卸载anaconda重新进行安装。
（1）删除安装目录：rm -rf /root/anaconda3
（2）编辑环境变量文件vi ~/.bashrc，注释或删除anaconda3的路径
（3）使修改后的环境变量立即生效：source ~/.bashrc

主机有显卡的可以安装Cuda用GPU加速模型训练

1.安装显卡硬件对应的驱动

可以参考Ubuntu物理机显卡驱动安装的几种方式安装显卡驱动
输入nvidia-smi，查看自己所需要的cuda版本号，我的是12.1
在这里插入图片描述

2.下载对应显卡驱动版本的cuda

打开nvidia官网，点击对应版本链接进入下载界面（我的是12.1，选择12.1的任一版本都可以）
在这里插入图片描述
在这里插入图片描述
将上面生成的命令拷贝下来，先执行第一行命令下载cuda：

wget https://developer.download.nvidia.com/compute/cuda/12.1.0/local_installers/cuda_12.1.0_530.30.02_linux.run

3.cuda的安装

下载完成后执行chmod 777 【下载的sh文件】赋予执行权限，然后执行第二行命令安装cuda：

sudo sh cuda_12.1.0_530.30.02_linux.run

（1）遇到如下界面，选择continue继续
在这里插入图片描述
（2）遇到如下界面，输入accept
在这里插入图片描述
（3）遇到如下界面，按Enter键取消勾选驱动（显卡驱动已经安装过了），点击install安装其他组件
在这里插入图片描述
安装完成后显示如下路径
在这里插入图片描述
同时系统会在安装目录下自动生成一个/cuda的链接指向/cuda-版本号
在这里插入图片描述

4.cuda的环境变量配置

1 输入sudo vi ~/.bashrc命令修改环境变量
根据自己anaconda3的路径名，在文件末尾加入以下四行：

export PATH="/anaconda3的路径名/anaconda3/bin:$PATH"export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda/extras/CPUTI/lib64export CUDA_HOME=/usr/local/cuda/binexport PATH=$PATH:$LD_LIBRARY_PATH:$CUDA_HOME

在这里插入图片描述

2 输入source ~/.bashrc命令激活刚刚修改的内容
4.3 依次输入以下命令，测试cuda是否安装成功

nvcc -Vcd /usr/local/cuda/extras/demo_suite/./bandwidthTest

在这里插入图片描述
出现Result = PASS即为成功

5.cuda的卸载

1 进入到cuda的安装目录，找到有关unintall的文件，执行卸载命令：sudo /usr/local/cuda-12.1/bin/cuda-uninstaller
在这里插入图片描述
5.2 勾选要卸载的cuda版本所有组件
在这里插入图片描述
5.3 卸载成功后，删除相关文件
在这里插入图片描述
5.4 删除相关环境变量
输入sudo vi ~/.bashrc将最下面和cuda有关的删除，执行source ~/.bashrc重新激活环境变量配置即可

6.以tar方式下载、安装、卸载cudnn

（1）下载对应cuda版本的cuDNN

打开nvidia官网，点击对应版本链接进入下载界面（我的cuda版本是12.1，选择12.x的任一版本的cuDNN都可以，推荐使用tar包的方式），下载需要注册登陆英伟达账户（自行百度）
在这里插入图片描述
（2）将下载好的文件拷贝到Ubuntu系统中，并执行以下解压缩命令：

unxz cudnn-linux-x86_64-8.9.0.131_cuda12-archive.tar.xztar -vxf cudnn-linux-x86_64-8.9.0.131_cuda12-archive.tar

在这里插入图片描述

（3）cuDNN的安装
进入解压后的目录中，打开终端，输入下述命令：

sudo cp include/cudnn*.h /usr/local/cuda/include/sudo cp lib/libcudnn* /usr/local/cuda/lib64sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

（4）执行完毕后，输入以下命令验证cuDNN是否安装成功：

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

在这里插入图片描述
提示信息是指：在这个文件中不能使用 ​constexpr​ 关键字，因为这个文件是仅限于C语言的。
（5）cuDNN的卸载
通过tar包安装的cudnn，通过以下命令将拷贝到cuda安装目录的有关cudnn的文件删除即可：

sudo rm -rf /usr/local/cuda/include/cudnn.hsudo rm -rf /usr/local/cuda/lib64/libcudnn*

7.以deb方式下载、安装、卸载cudnn

（1）先切换到/usr/local目录下，然后创建一个目录CuDNN

cd /usr/localmkdir CuDNNcd CuDNN

（2）前往https://developer.nvidia.com/rdp/cudnn-archive下载所需文件
在这里插入图片描述
（3）将下载文件拷贝到/usr/local/CuDNN/目录下
在这里插入图片描述
运行以下命令安装CUDNN7.4.2,这里安装顺序一定要如下所示：

sudo dpkg -i libcudnn7_7.4.2.24-1+cuda10.0_amd64.debsudo dpkg -i libcudnn7-dev_7.4.2.24-1+cuda10.0_amd64.deb sudo dpkg -i libcudnn7-doc_7.4.2.24-1+cuda10.0_amd64.deb

（4）把文件复制到/usr/local/cuda/include文件夹下面,并修改权限：

sudo cp /usr/include/cudnn.h /usr/local/cuda/include sudo chmod a+x /usr/local/cuda/include/cudnn.h

（5）检测是否安装成功的测试命令：

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

在这里插入图片描述
（6）卸载以deb方式安装的cudnn

#查询已安装的cudnnsudo dpkg -l | grep cudnn#删除拷贝的文件rm -rf /usr/local/cuda/include/cudnn.h#卸载安装的cudnn，注意卸载和安装顺序相反sudo dpkg -r libcudnn7-docsudo dpkg -r libcudnn7-devsudo dpkg -r libcudnn7#再次查询已安装的cudnn，没有任何输出即卸载成功。sudo dpkg -l | grep cudnn

1.Anaconda常用命令：查看，创建，删除环境

(1) 查看anaconda的安装版本：conda --version
(2) 查看已经安装的环境（带星号的表示目前正在使用的环境）：conda env list
(3) 激活对应的虚拟环境（进入环境）：source activate envone(环境名)
(4) 激活默认的虚拟环境（base环境）：source activate
(5) 退出当前conda环境：conda deactivate
(6) 删除conda环境：conda uninstall -n envone(环境名) --all
(7) 在环境里安装需要的包：pip install xxx
(8) 查看已经安装的包：pip list
(9) 克隆已有环境：conda create --name python32（新名字） --clone python321（老名字）
(10) 删除conda环境：conda remove -n envone(环境名) --all
在这里插入图片描述

2.创建ai空间，用于搭建pytorch深度学习框架

使用anaconda安装环境后，本地默认环境成为base环境。
(1) 创建名为ai的空间：conda create -n ai
(2) 进入ai空间（虚拟环境）：conda activate ai
在这里插入图片描述

通过命令进入创建好的ai空间source activate ai
2.进入pytorch官网下载对应版本的pytorch
在这里插入图片描述
在这里插入图片描述

在ai空间中执行上面生成的命令

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

在这里插入图片描述

WARNING: Running pip as the ‘root’ user can result in broken
permissions and conflicting behaviour with the system package manager.
It is recommended to use a virtual environment instead:
https://pip.pypa.io/warnings/venv WARNING: There was an error checking
the latest version of pip.

以上警告信息表示：以“root”用户身份运行 pip 可能会导致权限损坏以及与系统包管理器的行为冲突。

1.利用官网命令安装所需依赖库

（1）进入anaconda官网搜索需要安装的库名（无需注册登录）
在这里插入图片描述
（2）选择所需要的版本
在这里插入图片描述
（3）复制官网上的安装命令
在这里插入图片描述
（4）执行source activate ai进入ai虚拟环境中，执行上面复制的安装命令conda install -c pytorch-lts pytorch
在这里插入图片描述
（5）登入python执行import torch验证是否成功
在这里插入图片描述

2.conda和pip的镜像加速配置

将conda源和pip源修改为国内源，提高下载安装速度
2.1 修改conda源
修改~/.condarc文件：sudo vi ~/.condarc ，修改文件内容如下：

channels:  - defaultsshow_channel_urls: truechannel_alias: https://mirrors.tuna.tsinghua.edu.cn/anacondadefault_channels:  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2custom_channels:  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

若清华的conda源不能使用，可以改用上交的源：

channels:- https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/main/- https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/free/- defaultsshow_channel_urls: true

2 修改pip源
参考：linux和window设置 pip 镜像源 、最实用的环境下载加速设置 ——【一文读懂】
输入conda deactivate关闭虚拟环境，回到终端界面
更新pip工具：pip install --upgrade pip
配置pip源：pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

3.安装常用深度学习依赖库

执行以下conda 命令，自动搜索下载安装好相关依赖库的适用版本及相关依赖。
(1)安装opencv库(该库用于图像处理)命令：conda install opencv
(2)安装torchvision库(该库用于下载训练先进的预训练模型)命令：conda install torchvision
(3)安装torch库(该库用于深度学习任务中构建、训练和部署神经网络模型)命令：conda install torch
(4)安装cv2库(该库提供了许多计算机视觉和图像处理方面的函数和工具):conda install -c necla-ml opencv-python
(5)安装tensorboardx库(该库提供了可视化和分析神经网络训练过程和结果的工具)：conda install -c conda-forge tensorboardx

4.安装依赖库时的常见问题

问题一：安装依赖库时显示"PackagesNotFoundError"报错
在这里插入图片描述

如果在使用 Conda 或类似包管理器时遇到 “PackagesNotFoundError” 错误，可能说明所需的包或软件包版本不在当前配置的软件源通道中。可以参考https://blog.csdn.net/weixin_45552562/article/details/109668589解决该问题。运行以下命令来更新软件源信息：conda update --all
在这里插入图片描述
在这里插入图片描述
重新执行conda install torch，若还是报错可以根据报错提示，参考6.1去官网查找对应命令进行安装。
在这里插入图片描述

Python环境说明可以参考Ubuntu下系统python与anaconda下python

Pycharm工具安装可以参考Ubuntu 16.04 安装 PyCharm
（1）在PyCharm官网下载安装包（社区版免费）
在这里插入图片描述
（2）运行tar -zxvf pycharm-community-2022.3.2.tar.gz命令将安装包解压
在这里插入图片描述
（3）进入软件的bin目录，运行命令 sh ./pycharm.sh打开Pycharm
在这里插入图片描述
（4）普通用户权限问题
如果报错信息是有关普通用户权限的问题，可以尝试更改相关文件的所有者

sudo chown ownername:groupname /path/to/directory

在上述命令中，“ownername” 是指定的新所有者的用户名，“groupname” 是指定的新所属组的组名，而 “/path/to/directory” 是你要修改的目录的路径。

Anaconda自带Jupyter工具，用以下命令打开即可：jupyter notebook，可以参考jupyter使用教程

来源地址：https://blog.csdn.net/weixin_44330367/article/details/131826923

阅读原文内容投诉

免责声明：

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的，并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据，供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

软考中级精品资料免费领

  • 历年真题答案解析
  • 备考技巧名师总结
  • 高频考点精准押题

  • 2024年上半年信息系统项目管理师第二批次真题及答案解析（完整版）

    难度     813人已做
    查看

  • 【考后总结】2024年5月26日信息系统项目管理师第2批次考情分析

    难度     354人已做
    查看

  • 【考后总结】2024年5月25日信息系统项目管理师第1批次考情分析

    难度     318人已做
    查看

  • 2024年上半年软考高项第一、二批次真题考点汇总（完整版）

    难度     435人已做
    查看

  • 2024年上半年系统架构设计师考试综合知识真题

    难度     224人已做
    查看

相关文章

发现更多好内容

猜你喜欢

AI推送时光机

Ubuntu搭建Pytorch环境（Anaconda、Cuda、cuDNN、Pytorch、Python、Pycharm、Jupyter）

后端开发2023-09-08

Anaconda搭建深度学习虚拟环境：cuda+cudnn+pytorch+torchvision（并验证）

后端开发2023-10-10

Linux 的 anaconda 虚拟环境下安装指定的 cuda、cudnn、pytorch

后端开发2023-09-07

【Windows】搭建Pytorch环境(GPU版本，含CUDA、cuDNN)，并在Pycharm上使用（零基础小白向）

后端开发2023-09-09

深度学习环境配置超详细教程【Anaconda+PyTorch(GPU版)+CUDA+cuDNN】

后端开发2023-09-04

深度学习环境搭建anaconda+pycharm+pytorch的方法步骤

后端开发2024-04-02

jupyter notebook和pycharm中配置pytorch环境，及jupyter notebook内核创建

后端开发2023-10-24

深度学习—Python、Cuda、Cudnn、Torch环境配置搭建

后端开发2023-09-09

Windows 系统从零配置 Python 环境，安装CUDA、CUDNN、PyTorch 详细教程

后端开发2023-09-23

Anaconda+Pycharm+Pytorch虚拟环境创建(各种包安装保姆级教学)

后端开发2024-04-02
位置：首页-资讯-后端开发
咦！没有更多了？去看看其它编程学习网 内容吧
首页课程
资料下载问答资讯