Linux下的深度学习环境搭建（ubuntu,anacondan,pytorch，CUDA），虚拟机磁盘扩容,conda initno action taken错误解决

综述：
本篇博文主要讲解如何在VMware中安装的Linux(ubuntu版本)系统中部署需要的深度学习环境，以及后续如果空间不够用了，如何进行磁盘扩容。。本博文提供下载好的VMware虚拟机和ubuntu20.04的iso镜像文件。

***重要的事情先说：虚拟机不能使用主机英伟达显卡，即不能使用CUDA！！！！***原因后面说。

网盘链接：https://pan.baidu.com/s/1SUJDFUU6OHx1Jw1pbJxI4w?pwd=asqw
提取码：asqw
安装流程可以参考这边博文：（但是这里面提供的ubuntu是2024的，新版本可能会不稳定，而2004版本是比较稳定的，所以可以就下我提供的这个网盘文件，VM版本没太大所谓。）https://blog.youkuaiyun.com/weixin_74195551/article/details/127288338#%E4%B8%80.%E4%B8%8B%E8%BD%BDVMware%20Wworkstation%20Pro

环境部署

anaconda：

终端输入：
chmod +x Anaconda3-2024.02-1-Linux-x86_64.sh
#" Anaconda3-2024.02-1-Linux-x86_64.sh"是你下载的anaconda文件名

#设置权限：
chmod +x Anaconda3-2024.02-1-Linux-x86_64.sh
#" Anaconda3-2024.02-1-Linux-x86_64.sh"是你下载的anaconda文件名
#执行文件：
./Anaconda3-2024.02-1-Linux-x86_64.sh

输入yes:

一直按enter,知道出现yes/no选项，选no(默认是不添加环境，我们要添加)

就成功安装anaconda了。

用anaconda创建一个pytorch的虚拟环境

先创建一个pytorch环境：

conda create -n pytorch
#pytorch是环境名

然后conda activate pytorch激活环境：

就出现让你先输入conda init的问题，这个很多人输了也还是不行，比如说我，输了之后出现no action taken这个错误。
输入conda initno action taken这个错误怎么解决？
输入如下命令：

/home/anaconda3/bin/conda shell.bash hook >>-/.bashrc
source ./ .bashrc

然后重新打开一个终端，输入conda activate pytorch就可以进入虚拟环境了。

pytorch下载

我们已经知道虚拟机不能用GPU，所以pytorch就只需要下CPU版本就可以了。在pytorch官网选好(Linux下用pip下载更快)：

复制Run this Command的代码即可：

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

磁盘扩容

启动虚拟机，使用终端，输入：df -h可以查看目前的磁盘大小：/dev/sda5就是我的主空间，很多人可能是sda1,不影响。

关闭虚拟机后，按照箭头所示操作：

执行完上面操作时候，磁盘空间还没有真正分配给我们的虚拟机主空间，还需要启动虚拟机，在终端输入：
sudo apt-get install gparted
sudo gparted

可以看到，我们关闭许虚拟机时划的80G并没有在这里进行分配，所以接下来就是右键点击你的主分区（就是Size最大的那个），我的就是这里的dev/sda2下的dev/sda5,所以先右键dev/sda2，在右键dev/sda5：

点开Resize之后，拖动上面的滑条：

操作完sda2后操作sda5(步骤同上):
就得到了新分配好的磁盘。最后点击绿色勾勾保存。

叉掉这个，点开终端，在输入 df -h，即可查看分配之后的Size:

为什么虚拟机里面不能用英伟达显卡

实践：

在我安装好GPU版本的pytorch之后：

依然显示不了我的显卡型号，但是我主机是有英伟达显卡的：


调用cuda也false了。

原因：

虚拟机的显卡是虚拟的，不能使用CUDA
虚拟机上装Nvidia显卡驱动会导致其他驱动全都不能用，所以不能在虚拟机上装N卡驱动，即无法使用GPU。
佐证：

网上其他说能解决驱动问题的方法我基本上都看过，也试了很多，搞了1天，不得行，就是不得行，因为本来就不可以用，就不是方法的问题。如果实在想在Linux下用CUDA，就不能用虚拟机，要用双系统。