安装ubuntu系统 配置深度学习环境 pytorch

该博客详细介绍了如何在Ubuntu18.04上进行系统环境配置,包括从Win10双系统安装、常用软件(如搜狗输入法、Miniconda、Sublime Text等)的安装,以及QQ、向日葵、Firefox和Chrome浏览器的设置。此外,还详细阐述了CUDA和cuDNN的下载与安装,并提供了测试CUDA和cuDNN安装成功的步骤。最后,展示了如何搭建GPU版本的PyTorch环境。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、win10 → ubuntu 18

参考:Windows10安装ubuntu18.04双系统教程

二、常用软件

  • 搜狗输入法

搜狗输入法官网教程
搜狗输入法下载地址

  • miniconda

miniconda官网下载地址
以python3.7版本为例

wget -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-py37_4.8.3-Linux-x86_64.sh
# 也可以手动点击下载
bash Miniconda3-py37_4.8.3-Linux-x86_64.sh
# 安装时每个选项的参考选择 https://www.jianshu.com/p/914edc1de634?utm_campaign=haruki
source ~/miniconda3/bin/activate
# 执行以下命令,则可以在命令行用conda activate启动
# conda init
  • sublime-text

sublime-text官网教程
安装后,执行以下命令,则可以在命令行用sublime启动

sudo ln -s /opt/sublime_text/sublime_text   /usr/local/bin/sublime
sublime
# 如正确配置,会打开sublime
  • QQ

linux版QQ下载地址
点击x64的deb下载后,运行"dpkg -i 文件名"

  • 向日葵

向日葵远程操控官网教程
向日葵下载地址

  • 火狐安装Flash

sudo apt-get update
sudo apt-get install flashplugin-installer
# 然后重启浏览器

安装火狐浏览器中的Flash Player插件
Flash Player插件地址

  • chrome浏览器

wget https://dl.google.com/linux/direct/google-chrome-stable_current_amd64.deb
sudo dpkg -i google-chrome-stable_current_amd64.deb 

三、驱动

ubuntu-drivers devices
ubuntu-drivers  autoinstall

四、cuda cudnn

 sudo gedit ~/.bashrc

在最后加入

#user add
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda
cd /usr/local/cuda/samples/1_Utilities/deviceQuery 
sudo make
./deviceQuery  | grep Result
# 若正确安装,返回Result = PASS

五、pytorch GPU版本

以pytorch1.3为例

conda create -n pytorch13 python=3.7
conda activate pytorch13
conda install pytorch=1.3
conda install torchvision

新开一个终端测试

conda activate pytorch13
python
import torch
torch.cuda.is_available()
 # 若正确安装,返回True

查看各个pytorch相关模块版本

python -m torch.utils.collect_env
### 配置 PyTorch 深度学习环境 #### 安装 NVIDIA 显卡驱动 为了使 GPU 能够支持深度学习框架,在 Ubuntu 22.04 中需要先安装适合的 NVIDIA 显卡驱动。推荐通过官方源来完成此操作: 运行以下命令更新系统包列表并安装指定版本的 NVIDIA 驱动程序: ```bash sudo apt update && sudo apt upgrade -y sudo ubuntu-drivers autoinstall ``` 或者手动选择特定版本,例如 `nvidia-driver-535`: ```bash sudo apt-get install nvidia-driver-535 ``` 重启计算机以应用更改[^3]。 #### 安装 CUDA 工具包 CUDA 是由 NVIDIA 提供的一个并行计算平台和编程模型,它允许开发者利用 GPU 的强大性能加速应用程序。对于 PyTorch 来说,虽然可以直接安装预编译好的二进制文件而无需单独安装 CUDA,但如果希望获得更高级的功能或自定义构建,则可以考虑安装 CUDA。 执行如下指令下载并设置最新的稳定版 CUDA: ```bash wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.0-1_all.deb sudo dpkg -i cuda-keyring_1.0-1_all.deb sudo apt-get update sudo apt-get -y install cuda ``` 完成后记得重新启动机器以便加载新的模块[^2]。 #### 创建 Miniconda 环境 Miniconda 是 Conda 包管理器的一个小型发行版,非常适合用来创建隔离的 Python 运行时环境。这一步有助于避免不同项目之间依赖冲突的问题。 首先获取最新版本的 Miniconda 并按照提示完成初始化过程: ```bash cd ~ wget https://repo.continuum.io/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh source ~/.bashrc ``` 接着新建一个专门用于 Deep Learning 的虚拟空间,并激活之: ```bash conda create --name dl_env python=3.9 conda activate dl_env ``` #### 安装 PyTorch 库及其依赖项 访问官网 (https://pytorch.org/get-started/locally/) 获取针对当前硬件条件优化过的安装脚本链接地址。通常情况下采用 pip 或者 conda 方式均可实现快速部署目的。 以下是基于 Conda 方法的例子: ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch -c nvidia ``` 如果偏好 Pip 则可参照下面的形式: ```bash pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117 ``` 验证安装成功与否可以通过简单测试代码片段来进行确认: ```python import torch print(torch.cuda.is_available()) # 输出 True 表明已启用GPU支持 ``` ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值