Ubuntu20.04系统配置Pytorch环境(GPU版)
文章目录
- 一、关于Ubuntu和NVIDIA Driver的安装
- 二、安装CUDA
- 1、下载CUDA
- 2、安装CUDA
- 3、添加环境变量
- 4、测试CUDA是否安装成功
- 三、安装cuDNN
- 1、下载cuDNN
- 2、安装cuDNN
- 3、测试cuDNN是否安装成功
- 四、安装Pytorch
- 1、安装miniconda
- 2、miniconda创建Pytorch虚拟环境
- 3、安装Pytorch
- 4、查看Pytorch是否安装成功
一、关于Ubuntu和NVIDIA Driver的安装
Ubuntu和NVIDIA Driver的安装请参考其他博主的文章，主要是当时安装的时候没记录，现在不想再折腾这两个东西了。
需要补充的几个点：
安装Ubuntu系统前，多看几遍教程，如果是笔记本安装双系统，最好是看和自己品牌相同的笔记本对应的博客，因为不同厂家的BIOS设置有一些差别。
如果安装玩Ubuntu系统之后，Windows系统引导项找不到了，不要着急，可以进入Ubuntu系统尝试修复Windows引导项。实在不行，可以在某宝花80块钱找人修复（不要问我怎么知道的，因为我就是花了80块钱的那个冤种）。
NVIDIA Driver可以通过software&updates安装，也可以在终端使用apt-get安装，但这两种方式都不推荐(因为我试了都没用)，最稳妥的方式是在NVIDIA官网下载.run文件手动安装
关于显卡驱动安装之后黑屏进不去系统的问题，如果是具有独显直连功能的笔记本，首先进入Windows系统切换到独显直连模式，然后进入Ubuntu系统。如果还是不行，那就进入到Recovery模式，卸载掉NVIDIA驱动，安装更低版本的NVIDIA驱动。
关于显卡驱动安装之后掉网卡、掉蓝牙的问题，一般更新一下网卡驱动就好了，请参考其它博主的博客，我也是装完之后掉线卡掉驱动，更新主板bios解决的。
最后，不建议安装最新版本的NVIDIA驱动，一方面是可能不稳定，另一方面第三方库没有及时更新，会导致各种奇奇怪怪的问题。
安装CUDA前的准备工作，使用快捷键Ctrl+Alt+T打开终端，输入
nvidia-smi
查看显卡驱动是否安装成功以及显卡驱动的相关信息。在这里我们可以看到CUDA Version：12.2，也就是说我目前的显卡驱动要求最低安装12.2版本的CUDA。
二、安装CUDA
1、下载CUDA
前往NVIDIA官网http://developer.nvidia.com/cuda-toolkit-archive，选择和NVIDIA显卡驱动版本相适应的CUDA版本，我这里选择12.2.0版本。
在跳转出来的界面选择系统信息和平台信息，我是Intel的CPU，Ubuntu20.04系统，依次选择Linux，X86_64，Ubuntu，20.04，runfile(local)。
选择完成后，会给出命令行下载和安装的指令。
使用快捷键Ctrl+Alt+T打开终端，输入以下指令下载.run文件，下载完成后的文件默认保存在Downloads/文件夹之下。
wget http://developer.download.nvidia.com/compute/cuda/12.2.3/local_installers/cuda_12.2.0_535.54.03_linux.run
2、安装CUDA
使用Files文件管理软件进入到Downloads文件夹，右键Open in Terminal在终端打开路径。运行以下指令开始安装CUDA
sudo sh cuda_12.2.0_535.54.03_linux.run
等待页面跳转，在新的页面，使用上下键移动光标，使用Enter键选择Continue。
之后，输入“accept”
重点来了！！！在这个界面，使用空格或者Enter键，取消选择Driver，即让方括号中没有X，然后移动光标到Install，使用Enter键进行安装。如果这里不取消Driver，会覆盖安装NVIDIA驱动，会导致诸如黑屏等等不确定的问题。
安装完成后显示如下界面，提醒我们添加环境变量。
3、添加环境变量
根据上述提示，依次输入如下指令，添加环境变量
export PATH=/usr/local/cuda-12.2/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-12.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
添加完成后，使用如下指令刷新环境变量。
source ~/.bashrc
4、测试CUDA是否安装成功
使用Ctrl+Alt+T新建终端，输入以下指令，显示CUDA版本信息，表明CUDA安装成功。
nvcc -V
三、安装cuDNN
1、下载cuDNN
在NVIDIA官网http://developer.nvidia.com/cudnn下载和CUDA版本对应的cuDNN。这里需要登录自己NVIDIA账号，没有账号的可以用邮箱注册一个账号。
该网页的主页会显示最新版本的cuDNN，这里我们点击Archived cuDNN Releases查看早期版本。
这里我选择安装次新版的8.9.6。
选择下载适配Ubuntu20.04、x86_64架构的Deb文件。
2、安装cuDNN
使用如下指令安装cuDNN。
sudo dpkg -i cudnn-local-repo-ubuntu2004-8.9.6.50_1.0-1_amd64.deb
之后，使用如下指令拷贝文件即可完成安装。
sudo cp /var/cudnn-local-repo-ubuntu2004-8.9.6.50/cudnn-local-5E60450C-keyring.gpg /usr/share/keyrings
3、测试cuDNN是否安装成功
使用cd命令进入指定目录，运行bandwidthTest程序,显示如下信息，说明cuDNN安装成功。
cd /usr/local/cuda-12.2/extras/demo_suite/
./bandwidthTest
再运行deviceQuery程序，显示显卡相关信息，同样测试通过。
四、安装Pytorch
1、安装miniconda
进入miniconda官网，选择命令行下载，获取命令行下载的指令。
新建终端输入如下指令。
mkdir -p ~/miniconda3
wget http://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda3/miniconda.sh
bash ~/miniconda3/miniconda.sh -b -u -p ~/miniconda3
rm -rf ~/miniconda3/miniconda.sh
安装完成后，初始化miniconda和shell
~/miniconda3/bin/conda init bash
~/miniconda3/bin/conda init zsh
2、miniconda创建Pytorch虚拟环境
创建Pytorch虚拟环境，这里选择Python3.11，大于等于Python3.8均可。
conda create -n pytorch python=3.11
激活pytorch环境。
conda active pytorch
3、安装Pytorch
在Pytorch官网查看安装指令，这里可以看到最新版的pytorch支持到CUDA12.1，而我的显卡对应的CUDA12.2，查过资料说无妨，这里直接装CUDA12.1对应的Pytorch了。
在激活的pytorch环境中，输入以下指令。
conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia
安装完成后显示如下界面。
4、查看Pytorch是否安装成功
安装完成后输入“python”启动Python交互式界面。
输入以下Python程序，显示版本信息和TRUE，则表明安装成功。
import torch
print(torch.__version__)
print(torch.cuda.is_available())
print(torch.backends.cudnn.version())
