图文安装流程|Ubuntu 20.04 pytorch 环境搭建 | 您所在的位置:网站首页 › conda本地安装cuda › 图文安装流程|Ubuntu 20.04 pytorch 环境搭建 |
关注“FightingCV”公众号 回复“AI”即可获得超100G人工智能的教程 点击进入→FightingCV交流群 From丨极市平台 1 硬件信息系统:windows 10 处理器:英特尔 Core i9-10900X @ 3.70GHz 主板:华硕 Pro WS X299 SAGE II(X299 芯片组) 显卡:NVIDIA GeForce RTX 3090 ( 24 GB / 技嘉 ) × 2 内存:64 GB ( 海盗船 DDR4 3200MHz ) 主硬盘:西数 WDS100T3X0C-00SJG0 ( 1 TB / 固态硬盘 ) 副硬盘:希捷 ST4000NM0033-9ZM170( 4TB / 机械硬盘) x 8 显示器:TUO2400 R240A ( 24 英寸 ) x 2 声卡:瑞昱 @ 英特尔 High Definition Audio 控制器 网卡:英特尔 Ethernet Controller I225-LM / 华硕 电源:长城巨龙 全模组 额定2000W 2 软件和包介绍Ubuntu系统:安装Ubuntu 20.04 LTS稳定版本。 vim:ubuntu常用文本编译器。 SSH:远程连接工具。 frp:内网穿透,自己配置的电脑很难获取独立IP地址,需要用一个第三方,有独立IP地址的服务器,最为桥梁,传递客户端与服务器的数据,实现远程访问的效果。 xrdp:远程桌面连接,安装后可以用Windows自带的远程桌面连接软件,访问Ubuntu服务器。 SAMBA:远程挂载硬盘,可以把Ubuntu系统下面的硬盘挂在在Windows系统下。 显卡:指硬件部分,如3080,3090显卡,能看得见摸得着。 显卡驱动:通常指NVIDIA Driver,是连接硬件和软件的桥梁,没有驱动,系统就无法识别显卡,也就无法使用显卡。 cuda:C语言在GPU编程上的拓展包工具库,是显卡驱动之上的一个并行运算平台的,可以解决复杂的并行计算问题。 CuDNN:在cuda基础上专门为深度学习设计的相关工具库,封装了卷积等算子的库,安装CuDNN才能完成深度学习优化和加速计算。 Conda:一个开发环境管理工具,在开发过程中,经常会用到不同版本的python、pytorch或者其他包,但是同一环节只能安装一个版本的库,conda就可以帮我们隔离出不同的环境,在不同的环境中安装不同版本的库。 pytorch:深度学习开发框架,很多底层的深度学习功能都已经实现,我们只需要调用,就能完成我们的项目,不需要从新造轮子。 PyChram:是一种python的编译器工具,带有可以提高开发效率的工具,比如调试、代码跳转、智能提示、代码补全等。适合大型项目。 3 安装 ubuntu系统3.1 下载 Ubuntu 20.04 LTS https://ubuntu.com/download/desktop 3.2 制作 u盘启动,常用的两个u启动制作工具UltraISO和Rufus,把Ubuntu系统烧录在U盘后插需要安装的电脑 3.3 安装 ubuntu,一键u启动(以主板为准,安装过程省略) 以主板为准4 配置 ubuntu环境和软件安装4.1 设置root密码sudo passwd root 4.2 更换 ubuntu 的国内源4.2.1 备份默认源 # 备份默认源 sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak sudo gedit /etc/apt/sources.list回复默认源:sudo cp /etc/apt/sources.list.bak /etc/apt/sources.list 4.2.2 内容替换为: deb http://mirrors.aliyun.com/ubuntu/ focal main restricted universe multiverse deb-src http://mirrors.aliyun.com/ubuntu/ focal main restricted universe multiverse deb http://mirrors.aliyun.com/ubuntu/ focal-security main restricted universe multiverse deb-src http://mirrors.aliyun.com/ubuntu/ focal-security main restricted universe multiverse deb http://mirrors.aliyun.com/ubuntu/ focal-updates main restricted universe multiverse deb-src http://mirrors.aliyun.com/ubuntu/ focal-updates main restricted universe multiverse deb http://mirrors.aliyun.com/ubuntu/ focal-proposed main restricted universe multiverse deb-src http://mirrors.aliyun.com/ubuntu/ focal-proposed main restricted universe multiverse deb http://mirrors.aliyun.com/ubuntu/ focal-backports main restricted universe multiverse deb-src http://mirrors.aliyun.com/ubuntu/ focal-backports main restricted universe multiverse4.2.3 更新软件列表 sudo apt update # 更新apt软件源 sudo apt upgrade # 更新报错 ERROR:Unable to lock directory /var/lib/apt/lists/ sudo rm /var/cache/apt/archives/locksudo rm /var/lib/dpkg/locksudo dpkg --configure -a 报错 ERROR:Could not get lock /var/lib/dpkg/lock-frontend. ps aux|grep aptsudo kill -9 pid 4.3 安装 vimsudo apt install vim 4.4 安装 SSH(远程连接)sudo apt install ssh #使用:ssh -p 22 [email protected] 4.5 安装 frp(客户端和服务端都需要下载)tar -zxvf frp_xxxx.tar.gz服务端:修改frps.ini内容改为: [common] #frp服务的端口号,本地服务器和云服务器保持一致 bind_port = 7000 # frp的web界面的端口号,自己定义 dashboard_port = 7001 # web界面的登陆账户,自己定义 dashboard_user = wentop # web界面的登陆密码,自己定义 dashboard_pwd = 123456 # frp验证方式,本地服务器和云服务器保持一致 authentication_method = token # frp客户端连接时的密码,本地服务器和云服务器保持一致 token = 123456启动服务端服务: # 开启服务端 方法一 ./frps -c ./frps.ini # 或者后台开启 方法二 nohup ./frps -c ./frps.ini &客户端:修改frpc.ini内容改为: [common] # 云服务器公网ip server_addr = xx.xx.xx.xx # 验证方式,本地服务器和云服务器保持一致 authentication_method = token # frp连接密码,本地服务器和云服务器保持一致 token = 123456 # frp服务端口,本地服务器和云服务器保持一致 server_port = 8989 # 我们在访问 [本地服务器:22] 可直接用 [云服务器公网ip:222]方式访问 [Fusion-ssh] # 方式 type = tcp # 本地ip local_ip = 127.0.0.1 # 本地穿透的端口 local_port = 22 # 映射的端口 remote_port = 222 [Fusion-xxx] type = xxx local_ip = 127.0.0.1 local_port = xxx remote_port = xxx启动客户端服务: #开启客户端服务 方法一 ./frpc -c ./frpc.ini # 或者后台开启 方法二 nohup ./frpc -c ./frpc.ini & 4.6 安装 xrdp(远程桌面连接)sudo apt install xrdp # 安装,默认自动启动 sudo systemctl status xrdp # 验证是否在运行 sudo adduser xrdp ssl-cert # 添加xrdp用到到ssl-cert组,不修改,默认只读 sudo systemctl restart xrdp # 重启xrdp服务配置好后,就可以用Windows自带的远程桌面软件输入服务器的IP地址,就可以访问服务器。 4.7 安装 SAMBA(远程挂载硬盘)sudo apt-get install samba samba-common-bin # 安装SAMBA sudo gedit /etc/samba/smb.conf # 配置文件在文件末尾添加下面内容(注释需单独一行) # 共享文件夹的命名 [home] # 可以访问挂载硬盘的用户 comment = Fusion WorkStation Storage # 共享文件的路径 valid users = wenjtop,root # 可被其他人看到资源名称 path = /home/wenjtop/ # 文件可写 browseable = yes # 新建文件的权限为 664 writable = yes create mask = 0664 # 新建目录的权限为 775 directory mask = 0775添加ubuntu以存在的用户wenjtop sudo smbpasswd -a wenjtop # 添加用户wenjtop sudo /etc/init.d/samba-ad-dc restart # 重启服务客户端操:我的电脑->计算机->映射网盘驱动->输入:\\192.168.188.41\home 4.8 安装搜狗拼音4.8.1 安装fcitx输入框架 sudo apt install fcitx-bin sudo apt-get install fcitx-table选择fcitx框架,后重启。 选择fcitx框架 现在就可以选择系统自带拼音(安装ubuntu时选择中文) 添加图片注释,不超过 140 字(可选) 4.8.2 下载搜狗拼音 http://pinyin.sogou.com 4.8.3 安装 sudo dpkg -i sogou...版本号.deb # 若缺少依赖输入:sudo apt install 查看安装依赖包的命令行。language->manage installed languages->输入法系统改成fcitx->重启。 4.9 安装 google浏览器sudo dpkg -i google-chrome-stable_current_amd64.deb # 安装 4.10 安装向日葵https://sunlogin.oray.com/download?categ=ent sudo dpkg -i ./SunloginClient_11.0.1.44968_amd64.deb 4.11 修改pip源sudo mkdir ~/.pip sudo vim ~/.pip/pip.conf内容替换为: [global] index-url = https://pypi.tuna.tsinghua.edu.cn/simple/ [install] trusted-host = pypi.tuna.tsinghua.edu.cn 5 安装显卡驱动重启 6 安装CUDA 11.3https://developer.nvidia.com/cuda-11.3.0-download-archive?target_os=Linux&target_arch=x86_64&Distribution=Ubuntu&target_version=20.04&target_type=deb_local 输入下面命令行: wget https://developer.download.nvidia.com/compute/cuda/11.3.0/local_installers/cuda_11.3.0_465.19.01_linux.run sudo sh cuda_11.3.0_465.19.01_linux.run 如果安装驱动,就取消Driver添加路径,修改.bashrc 文件: sudo gedit ~/.bashrc # 在末尾添加: export PATH=/usr/local/cuda/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} # 更新: source ~/.bashrc安装成功:nvcc -V 7 安装 CuDNNhttps://developer.nvidia.com/rdp/cudnn-download 需要注册登陆,下载cuDNN Library for Linux (x86_64)。 cuDNN Library for Linux (x86_64)# 解压 tar -xzvf cudnn-11.3-linux-x64-v8.2.1.32.tgz # 复制到 cuda路径下 sudo cp cuda/lib64/* /usr/local/cuda-11.3/lib64/ sudo cp cuda/include/* /usr/local/cuda-11.3/include/ # 查看CUDNN的版本信息 cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2显示如上,说明安装成功。 8 Miniconda 安装8.1 下载https://docs.conda.io/en/latest/miniconda.html# 8.2 安装chmod +777 ./Miniconda3-latest-Linux-x86_64.sh ./Miniconda3-latest-Linux-x86_64.sh 8.3 更换源https://mirror.tuna.tsinghua.edu.cn/help/anaconda/ sudo gedit ~/.condarc复制内容到.condarc channels: - defaults show_channel_urls: true default_channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2 custom_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 pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud 8.4 创建conda环境和激活环境conda create -n torch python=3.8 # 创建环境 name表示环境名 conda activate torch # 激活环境 name表示环境名显示如上,说明安装成功。 8.5 conda 常用命令conda --version # 查看conda版本 conda update conda # 更新至最新的conda conda update --all # 更新当前环境所有包 conda update package_name # 指定包至最新 conda env list # 查看已有的虚拟环境 conda create -n python_3.9 python=3.9 # 创建虚拟环境 conda create --name Py_3.9 --clone python_3.9 # 复制虚拟环境 conda activate python_3.9 # 激活虚拟环境 conda remove -n python_3.9 --all # 删除虚拟环境 conda list # 查看当前环境所有包情况 conda search numpy # 查看numpy有哪些版本 conda install numpy # 安装numpy包在当前环境 conda remove numpy # 删除当前环境中的numpy包 conda config --remove-key channels # 回复默认源 conda install anaconda-clean # 卸载conda anaconda-clean anaconda-clean --yes 9 安装 pytorch9.1 选择Pytorch版本nvcc -V #查看Pytorch对应的cuda版本,显示release 11.3, V11.3.58 9.2 在官网查找conda命令https://pytorch.org/get-started/previous-versions/ 命令行里面输入nvcc -V,查看cuda版本,若cuda为11.3,就选择下图标注框里的命令行安装。 conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch我们在安装显卡驱动时会安装cudatoolkit,在安装pytorch时也会安装cudatoolkit?安装显卡驱动时,cudatoolkit是一个完整安装包,而安装pytorch时安装的cudatoolkit只会安装pytorch会使用的部分,两个cudatoolkit是独立的,都在工作在显卡驱动上,所以我们还需要安装cudnn。cudatoolkit和cuda版本必须一样。 验证是否安装成功 10 安装 pychram在ubuntu software直接搜索pychram。或者下面链接访问官网。 https://www.jetbrains.com/pycharm/download/#section=linux 导航栏:https://zhuanlan.zhihu.com/p/400628805 往期回顾 基础知识 【CV知识点汇总与解析】|损失函数篇 【CV知识点汇总与解析】|激活函数篇 【CV知识点汇总与解析】| optimizer和学习率篇 【CV知识点汇总与解析】| 正则化篇 【CV知识点汇总与解析】| 参数初始化篇 【CV知识点汇总与解析】| 卷积和池化篇 (超多图警告) 【CV知识点汇总与解析】| 技术发展篇 (超详细!!!) 最新论文解析 NeurIPS2022 Spotlight | TANGO:一种基于光照分解实现逼真稳健的文本驱动3D风格化 ECCV2022 Oral | 微软提出UNICORN,统一文本生成与边框预测任务 NeurIPS 2022 | VideoMAE:南大&腾讯联合提出第一个视频版MAE框架,遮盖率达到90% NeurIPS 2022 | 清华大学提出OrdinalCLIP,基于序数提示学习的语言引导有序回归 SlowFast Network:用于计算机视觉视频理解的双模CNN WACV2022 | 一张图片只值五句话吗?UAB提出图像-文本匹配语义的新视角! CVPR2022 | Attention机制是为了找最相关的item?中科大团队反其道而行之! ECCV2022 Oral | SeqTR:一个简单而通用的 Visual Grounding网络 如何训练用于图像检索的Vision Transformer?Facebook研究员解决了这个问题! ICLR22 Workshop | 用两个模型解决一个任务,意大利学者提出维基百科上的高效检索模型 See Finer, See More!腾讯&上交提出IVT,越看越精细,进行精细全面的跨模态对比! MM2022|兼具低级和高级表征,百度提出利用显式高级语义增强视频文本检索 MM2022 | 用StyleGAN进行数据增强,真的太好用了 MM2022 | 在特征空间中的多模态数据增强方法 ECCV2022|港中文MM Lab证明Frozen的CLIP 模型是高效视频学习者 ECCV2022|只能11%的参数就能优于Swin,微软提出快速预训练蒸馏方法TinyViT CVPR2022|比VinVL快一万倍!人大提出交互协同的双流视觉语言预训练模型COTS,又快又好! CVPR2022 Oral|通过多尺度token聚合分流自注意力,代码已开源 CVPR Oral | 谷歌&斯坦福(李飞飞组)提出TIRG,用组合的文本和图像来进行图像检索 |
CopyRight 2018-2019 实验室设备网 版权所有 |