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

图文安装流程｜Ubuntu 20.04 pytorch 环境搭建

#图文安装流程｜Ubuntu 20.04 pytorch 环境搭建| 来源: 网络整理| 查看: 265

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 multiverse

4.2.3 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 11.3

https://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 CuDNN

https://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！！！)