找回密码
 会员注册
查看: 35|回复: 0

深度学习系列----->环境搭建(Ubuntu)

[复制链接]

2

主题

0

回帖

7

积分

新手上路

积分
7
发表于 2024-9-12 18:32:12 | 显示全部楼层 |阅读模式
1、前言电脑基础系统硬件情况:系统:ubuntu18.04、显卡:GTX1050Ti;后续的环境搭建都在此基础上进行。此次学习选择Pytorch作为深度学习的框架,选择的原因主要由于PyTorch在研究领域特别受欢迎,较多的论文框架也是基于其开发。2、anaconda+python3安装测试在学习深度学习的过程中会涉及到使用不同版本python包的问题,而anaconda可以便捷获取包且对包能够进行管理。step1:anaconda官网下载安装脚本(网址:DownloadAnacondaDistribution|Anaconda)step2:执行安装脚本:bashAnaconda3-5.1.0-Linux-x86_64.sh安装过程中遇到DoyouwishtoproceedwiththeinstallationofMicrosoftVSCode?[yes|no],输入no就行,其他的都是yes或者直接敲enter。注:如果不需要打开Terminal窗口自动进入conda环境,可以执行命令:condaconfig--setauto_activate_basefalsestep3:anaconda安装成功测试执行命令如下命令:conda--version正常输出版本信息:conda4.4.10step4:anaconda创建虚拟环境创建名为:your_env_name的虚拟环境,python版本为3.6condacreate-nyour_env_namepython=3.6conda创建环境失败,和网络有关的问题解决:设置成离线模式:condaconfig--setofflinetrue常用指令:激活进入虚拟环境:sourceactivateyour_env_name退出虚拟环境:sourcedeactivate查看当前所有的虚拟环境:condainfo-e参考链接:Ubuntu18.04安装Anaconda(最新最全亲测图文并茂)-CSDN博客关于anaconda创建环境时出现CondaHTTPError问题的终极解决办法_linux的anaconda创建环境网络异常-CSDN博客3、nvidia-driver+cuda+cndnn安装测试安装NVIDIA驱动、cuda以及cndnn是为了学习过程中使用GPU。电脑上没有GPU也无妨,前期学习小模型时,也可以使用CPU。step1:nvidia-driver安装显卡驱动安装方式有多种,这里采用比较简单的方式,输入指令:ubuntu-driversdevices会输出所有适配当前显卡的驱动: distro为专有,non-free闭源,最好是-server结尾的安装包,这里选择了nvidia-driver-470-server安装:sudoaptinstallnvidia-driver-470-server重启系统:sudoreboot检查是否安装成功指令:nvidia-smi输出如下表示安装成功:参考:超详细!Ubuntu18.04安装NVIDIA显卡驱动|XUNGE'sBlogstep2:cuda安装cuda和cndnn的安装需要注意和显卡驱动版本对齐,在cuda官网中有对应关系(参考上图中显卡驱动和所对应的cuda版本,这里安装cuda版本是向下兼容):1.CUDA12.6ReleaseNotes—ReleaseNotes12.6documentation确定好cuda版本后,通过runfile进行安装(https://developer.nvidia.com/cuda-toolkit-archive):wgethttps://developer.download.nvidia.com/compute/cuda/11.4.0/local_installers/cuda_11.4.0_470.42.01_linux.runsudosh cuda_11.4.0_470.42.01_linux.run如果有协议,输入accept就行。然后到达是否选择安装显卡驱动时,要取消掉,否则会捆绑安装,后续会出问题:继续安装完成后,使用命令查看安装情况:nvcc-V如果依旧显示无相关信息,则大概率是因为环境变量没有添加,则需要打开bashrc文件,添加路径:sudogedit~/.bashrc文件中添加:exportPATH="/usr/local/cuda-11.4/binPATH"exportLD_LIBRARY_PATH="/usr/local/cuda-11.4/lib64LD_LIBRARY_PATH"最后再:source~/.bashrc参考链接:https://zhuanlan.zhihu.com/p/122286055(cuda安装)step3:cndnn安装在官网(https://developer.nvidia.com/rdp/cudnn-archive)中找到对应系统和cuda的cndnn版本,并下载如下3个文件:执行命令依次安装:sudodpkg-ilibcudnn8-xxxx_amd64.debsudodpkg-ilibcudnn8-xxxx_amd64.debsudodpkg-ilibcudnn8-xxxx_amd64.deb测试cndnn安装情况:cp-r/usr/src/cudnn_samples_v8/$HOME进入文件中进行编译:cd~/cudnn_samples_v8/mnistCUDNNsudomakecleansudomake编译完成后,执行:sudo./mnistCUDNN输出“Testpassed!”表示安装成功:参考链接:https://zhuanlan.zhihu.com/p/126997172(cndnn安装)4、pytorch+pycharmPytorch可以使用condainstall和pipinstall安装:step1:condainstall安装condainstall国内安装需要先替换源,参考:Ubuntuanaconda换源(最新最全亲测)-CSDN博客替换好后,在conda官网找到对于NVIDIA驱动版本的pytorch版本:PreviousPyTorchVersions|PyTorchcondainstallpytorch==1.8.1torchvision==0.9.1torchaudio==0.8.1cudatoolkit=11.3-cconda-forge如果替换源后使用condainstall一直还是出现源的问题,可以尝试使用pipinstall进行。step2:pipinstall安装pipinstalltorch==1.8.1torchvision==0.9.1torchaudio==0.8.1安装完成后,如果importtorch找不到对应模块,但是在piplist中又有该模块(原因是这里的pip是使用的conda的pip,直接安装到了conda的python目录下,而在个人环境中执行python命令时,使用的是环境的python路径,因而无法找到)。解决办法有如下两种:方法1:修改当前环境下site.py中pipinstall的安装路径参考:https://blog.51cto.com/u_15060549/4662570 执行指令:sudogedit/home/xxx/anaconda3/envs/torch_study/lib/python3.6/site.py修改内容(原来两个路径都为None):USER_SITE='/home/xxx/anaconda3/envs/torch_study/lib/python3.6/site-packages'USER_BASE='/home/xxx/anaconda3/envs/torch_study'方法2:(如果方法1未能解决,则直接在安装包的时候指定安装路径到对应环境的python路径)pipinstalltorch==1.8.1torchvision==0.9.1torchaudio==0.8.1--target=/home/xxx/anaconda3/envs/torch_study/lib/python3.6/site-packagesstep3:pytorch安装成功测试打开Terminal窗口并进入到虚拟环境中,执行如下命令:pythonimporttorchdevice=torch.device('cuda'iftorch.cuda.is_available()else'cpu')print(device)输出:cuda(表示gpu可用,且环境安装成功)step4:pycharm安装测试官网下载社区版:DownloadPyCharm:ThePythonIDEfordatascienceandwebdevelopmentbyJetBrains
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 会员注册

本版积分规则

QQ|手机版|心飞设计-版权所有:微度网络信息技术服务中心 ( 鲁ICP备17032091号-12 )|网站地图

GMT+8, 2024-12-26 02:17 , Processed in 0.836911 second(s), 26 queries .

Powered by Discuz! X3.5

© 2001-2024 Discuz! Team.

快速回复 返回顶部 返回列表