你好赵伟

这个屌丝很懒，什么也没留下！

热门标签

【环境配置】Ubuntu深度学习环境配置全流程

作者：你好赵伟 | 2024-08-19 13:49:10

踩

ubuntu深度学习环境配置

文章目录

前言
一、 Ubuntu 基础开发环境配置
二、推荐IDE配置
三、 Cmake配置
四、 Docker配置（可选）
五、某些库的安装配置（可选）
六、一些实用工具的安装
七、总结

前言

由于经常需要在新机器上配置环境，所以索性记录下来，后续有其他的内容也会慢慢补充

下面是自己的开发环境配置流程，主要是围绕Ubuntu环境下的相关环境配置
包括深度学习的开发环境、C++模型部署开发环境、点云处理相关库的配置、实用工具配置

提示：
除了第一个部分：‘‘Ubuntu基础开发环境配置’’之外，不是每个大模块都必须配置，可以根据实际需求进行配置
如果跟着流程全配置好了，基本上深度学习的开发环境后续均不用再次配置

注：以下内容仅供大家参考

一、 Ubuntu 基础开发环境配置

1.1 nvidia显卡驱动配置

不推荐使用自动安装得到的显卡驱动，因此采取手动下载nvidia显卡驱动

首先先确保自己的显卡是nvidia，并且是独立显卡

查看是否已经存在nvidia显卡驱动以及自身电脑显卡型号

先终端输入以下命令，查看是否已经安装显卡驱动，若有信息输出则无需安装显卡驱动，则跳过 1.1这一步

nvidia-smi
1

在这里插入图片描述
记住自己电脑显卡的型号
若不知道自己显卡型号，可以通过以下命令查看显卡的代号

lspci | grep -i vga
1

PCI 网址
通过输入终端显示的编号到下面PCI 网址的窗口，即可获得具体显卡的型号

在这里插入图片描述

禁用Ubuntu 原本驱动 nouveau

使用vim打开一个文件

sudo vim /etc/modprobe.d/blacklist-nouveau.conf
1

在打开的文本中加入下面两行

blacklist nouveau
options nouveau modeset=0
1
2

更新并重启

sudo update-initramfs -u   
sudo reboot
1
2

但是不建议通过下面这个命令去卸载驱动
// 注意！！该命令非常不建议使用
sudo apt-get remove --purge nvidia*

验证：
重启后，使用以下命令验证是否完成禁用（没有输出则表示成功禁用）：

lsmod | grep nouveau
1

下载对应nvidia驱动

nvidia驱动网址
根据已知的显卡型号，选择对应显卡型号的驱动点击下载

在这里插入图片描述

如：
4090的显卡则依次选择，GeForce系列、40系列、4090、linux64位、production branch
注意！如果自己是笔记本，则需要选择notebook版本
在这里插入图片描述

依次点击 Search、Download 、Agree & Download ，然后就等待下载，下载完成后获得一个run文件
在这里插入图片描述
去到该文件的目录下

先安装一些可能需要的依赖（按需安装）

sudo apt-get update    
sudo apt-get install g++
sudo apt-get install gcc
sudo apt-get install make
1
2
3
4

运行该run文件

//赋予可执行文件的权限
sudo chmod a+x ./NVIDIA-Linux-xxxxxxx.run
//运行
/NVIDIA-Linux-xxxxxxx.run
1
2
3
4

1.2 CUDA以及cuDnn配置

查看现有cuda版本

nvcc -V
1

若无，则继续以下安装步骤；若有输出信息则跳到cuDnn的配置

去官网下载对应CUDA
CUDA Toolkit Archive

需要注意这里下载的版本不能大于上面命令nvidia-smi显示的CUDA Version
（作者这里为12.4，也就是一会下载的cuda版本不能大于12.4）

在这里插入图片描述
查看是否存在已安装的驱动版本

ls /usr/src | grep nvidia
1

若输出了与刚刚下载的版本一致的nvidia驱动则表示正常，则继续安装

查看ubuntu版本：

lsb_release -a
1

确定了当前ubuntu版本，则可以选择安装方式，安装方式有两种：一种是deb，一种是run

方法一：使用下面base installer的命令安装cuda(这里选择用deb的方式安装)
在这里插入图片描述
安装命令一步步安装即可

可能遇到的安装报错：
在这里插入图片描述

如遇到nvidia-smi报错：NVIDIA-SMI has failed because it couldn‘t communicate with the NVIDIA driver
建议重装nvidia驱动
运行之前的下载的run脚本，叫上后缀uninstall，进行卸载：
sudo ./NVIDIA-Linux-xxxxxxxx.run --uninstall
然后重复上面的nvidia驱动的安装步骤进行安装

方法二：使用run文件安装（较稳定、推荐）
由于上面deb文件安装经常报错，因此改为run文件安装：

下载…
在这里插入图片描述
给文件权限并运行run文件（这里选择使用run文件安装）

chmod 777 ./cuda_xxxx_linux.run
sudo ./cuda_xxxxxx_linux.run
1
2

选择continue

在这里插入图片描述

输入accept
在这里插入图片描述

在选择勾选的时候，注意需要把nvidia驱动的选项去掉，因为前面已经手动安装了nvidia的驱动，这里不需要安装
在这里插入图片描述

运行需要一段时间，漫长的等待后…
如输出以下信息则表示成功安装cuda
在这里插入图片描述

配置CUDA环境

用vim编辑器打开.bashrc

sudo vim ~/.bashrc
1

在最后添加以下路径

export PATH=/usr/local/cuda-11.x/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.x/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
1
2

最后激活一下

source ~/.bashrc 
1

验证

nvcc -V
1

若输出以下信息表示安装成功
在这里插入图片描述

配置cuDNN

去官网下载CUDA版本对应的cudnn
cuDNN Archive

选择tar格式
使用以下命令，复制所需文件到cuda文件夹里面，并赋予权限

sudo cp cudnn-xxxxxxxxx/include/cudnn* /usr/local/cuda-11.x/include
sudo cp -P cudnn-xxxxxxxxx/lib/libcudnn* /usr/local/cuda-11.x/lib64
sudo chmod a+r /usr/local/cuda-11.x/include/cudnn*.h /usr/local/cuda-11.x/lib64/libcudnn*
1
2
3

验证

cat /usr/local/cuda-11.x/include/cudnn.h | grep CUDNN_MAJOR -A 2
1

若上述验证命令没有反应，尝试下面

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
1

若输出以下信息，则成功，表示安装的版本为8.9.0
在这里插入图片描述

如果需要重装CUDA、cuDnn则需要卸载干净原有的版本！！！
卸载流程如下：

卸载CUDA

cd /usr/local/cuda-xx.x/bin
sudo ./cuda-uninstaller 
sudo rm -rf /usr/local/cuda-xx.x
1
2
3

删除cudnn

sudo rm -rf /usr/local/cuda/include/cudnn.h
sudo rm -rf /usr/local/cuda/lib64/libcudnn*
1
2

验证

nvcc -V
1

如果输出以下信息则成功
在这里插入图片描述

1.3 Conda配置

去官网下载linux版本
anaconda
安装Anaconda

bash ./Anaconda3-xxxx-Linux-x86_64.sh 
1

一路enter，遇到许可证按q退出查看，再yes一下，然后一路enter
输出以下信息表示安装成功
在这里插入图片描述
最后激活一下环境变量

source ~/.bashrc
1

验证

conda
1

若输出以下信息，则表示安装成功！
在这里插入图片描述

若报错输出，conda：未找到命令
在这里插入图片描述

则需要配置一下环境路径

sudo vim ~/.bashrc 
1

在文件最后添加，/path/to/conda是自己的conda的安装路径，默认在~/anaconda3/bin

export PATH="/path/to/conda/bin:$PATH"
1

source ~/.bashrc
1

再次验证即可

创建环境

conda create -n name python=3.9
1

注：附上conda常用命令

查看所有环境
conda env list
激活环境
conda activate env
退出环境
conda deactivate
删除环境
conda remove --name env --all
查看已安装的包
conda list
1
2
3
4
5
6
7
8
9
10

1.4 Pytorch(GPU版)配置

激活刚刚的虚拟环境

conda activate name
1

如遇到如下报错，运行一下conda init，然后关闭当前终端，重新开一个终端即可
在这里插入图片描述

下载pytorch
PyTorch官网

但是一般选择以前的版本下载比较稳定

选择合适cuda版本的pytorch，复制命令并在刚刚激活的虚拟环境中下载即可
如

pip install torch==1.12.1+cu116 torchvision==0.13.1+cu116 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu116
1

经过漫长的下载…
输出以下信息，表示安装成功
在这里插入图片描述

验证
如果在终端验证则先输入python，进入python后依次输入下面指令
如果在ide里面则直接运行该脚本，若正常输出信息则表示安装成功

import torch

print(torch.__version__)
print(torch.version.cuda) # gpu
print(torch.backends.cudnn.version()) # cudnn 
print(torch.cuda.is_available())  # gpu
print(torch.cuda.device_count())
1
2
3
4
5
6
7

1.5 TensorRT(C++)配置

下载TensorRT包
NVIDIA TensorRT Download
选择合适版本，这里选择TensorRT 8，然后选择tar或者deb版本下载

在这里插入图片描述
注意！！
如果cuda用了deb版本安装，那么TensorRT 也必须用deb版本安装，否则安装失败！！

方法一：使用tar格式安装

由于上面cuda用的run版本安装，因此这里的tensorRT作者选择tar格式安装
在这里插入图片描述
选择tar版本下载

解压

tar -xzvf TensorRT-xxxxxx
1

配置环境变量
将TensorRT-xxxx/lib添加到LD_LIBRARY_PATH中

path_to_your_TensorRT 表示你自己的TensorRT文件夹的所在目录

export PATH=path_to_your_TensorRT/TensorRT-xxxxx/bin:$PATH
export LD_LIBRARY_PATH=path_to_your_TensorRT/TensorRT-xxxxx/lib:$LD_LIBRARY_PATH
export LIBRARY_PATH=path_to_your_TensorRT-xxxxx/lib:$LIBRARY_PATH

source ~/.bashrc
1
2
3
4
5

为了避免其它软件找不到 TensorRT 的库，也可以选择把 TensorRT 的库和头文件添加到系统路径下（可选）

sudo cp -r TensorRT-xxxx/lib/* /usr/lib
sudo cp -r TensorRT-xxxx/include/* /usr/include
1
2

验证

cd TensorRT-xxxxx/samples/sampleOnnxMNIST/
make -j8
cd ../../data/mnist
cd ../../bin
./sample_mnist
1
2
3
4
5

输出以下信息则表示配置成功
（这里输出预测信息为8，其他数字同理，均表示推理成功）
在这里插入图片描述

方法二：使用deb 格式安装

sudo dpkg -i nv-tensorrt-local-repo-xxxxxxx
sudo cp /var/nv-tensorrt-local-repo-${ubuntuxx04}-${8.x.x-cuda-x.x}/*-keyring.gpg /usr/share/keyrings/
1
2

注意！！上面命令中的 ${} 需要替换成自己的电脑的版本
ubuntu 20.04、下载的trt版本是 8.5.3
如：sudo cp /var/nv-tensorrt-local-repo-ubuntu2004-8.5.3-cuda-11.8/* -keyring.gpg /usr/share/keyrings/

sudo apt-get update
sudo apt-get install tensorrt
1
2

验证：

dpkg -l | grep TensorRT
1

二、推荐IDE配置

2.1 Pycharm配置（Python）

PyCharm是一款适用于数据科学和Web开发的Python集成开发环境（IDE），旨在提高开发效率并改善用户体验。
选择Pycharm的原因是因为Pycharm的功能十分强大，功能包括比如调试、语法高亮、项目管理、代码跳转、智能提示、自动完成、单元测试、版本控制等。
最重要是Pycharm的界面很好看而且调试代码起来各个变量的数据也非常清晰，并且Pycharm现在已经成为主流的python的IDE了，因此强力推荐！！

Pycharm下载
选择下面的社区版，免费的；专业版只能免费使用30天
在这里插入图片描述
解压压缩包

tar -xzf pycharm-xxxx.tar.gz
1

2.1.1 工程创建

点击 New project
在这里插入图片描述

在 Interpreter type里面可以选择解释器的类型，选择base coda，路径选择之前装conda的路径点击create

2.1.2 环境创建

右下角点开终端，可以看到终端前面的：(base)，这个表示当前所处的环境
在这里插入图片描述
在该终端下使用conda命令进入之前创建的环境

conda activate name
1

接下来就可以开始在这个环境中运行了

2.2 VSCode配置

Visual Studio Code（简称“VS Code” ）是Microsoft在2015年4月30日Build开发者大会上正式宣布一个运行于 Mac OS X、Windows和 Linux 之上的，针对于编写现代Web和云应用的跨平台源代码编辑器，可用于Windows，macOS和Linux操作系统。

选择VS Code的原因还是因为vscode是一款轻量级的编辑器，安装包小，且启动速度快，插件相当的丰富，可以根据自己的喜好安装插件，十分的个性化

VS Code
下载deb包
在这里插入图片描述

安装

sudo dpkg -i code_xxxxx
1

配置常用扩展包

在这里插入图片描述
vscode的配置稍微比pycharm的复杂一些

2.2.1 Vscode 环境配置之json文件配置（C++）

拉取自己的工程文件之后，按住ctrl + shift + P，然后在搜索框中搜索config，点击第一个 Edit Configurations
在这里插入图片描述
此时会在工作目录下，自动创建一个.vscode的文件夹，里面有个c_cpp_properties.json文件，该文件负责配置工程项目的相关文件

可以在 includePath 里面加上自己所需库的头文件的文件夹
可以在 compilerPath 中指定编译器的路径
可以在 cStandard 中指定c语言的标准
可以在cppStandard 中指定c++语言的标准

在这里插入图片描述

2.2.2 Vscode 环境配置之json文件配置（Python）

待记录…

2.2.3 SSH配置（可选）

连接远程服务器或者使用云GPU资源的时候，如果想用vscode进行编辑，则需要用到ssh插件
在扩展插件的搜索框中搜索ssh，点击ssh并安装
在这里插入图片描述
安装之后在vsode的左下角会出现一个图标，点击该图标

点击链接：

点击添加新的ssh host：
在下面的config选项中也可以对当前的ssh host进行编辑

然后输入连接的账号和密码即可实现远程连接

当然在pycharm里面也可以安装ssh

三、 Cmake配置

3.1 查看是否存在cmake及其版本、g++版本

若有输出cmake的版本则表示已安装了cmake

cmake --version
1

查看g++版本

g++ --version
1

3.2 cmake官网下载

cmake官网
选择download，选择更旧的版本下载，这里选择3.25.1
在这里插入图片描述

3.3 解压、编译安装

tar -zxvf cmake-xxxxx
1

编译安装，需要一段时间

cd cmake-xxxxx
./bootstrap
make -j16
sudo make install
1
2
3
4

如果运行bootstrap时候报错：
在这里插入图片描述
提示缺少openGL的库，手动安装一下

sudo apt install mesa-common-dev libglu1-mesa-dev
1

之后再继续运行bootstrap，若无报错则可以继续编译make、makeinstall

3.4 验证

cmake --version
1

输出以下版本号信息则表示安装成功
在这里插入图片描述

或者通过which cmake查看安装路径

卸载cmake
如果需要卸载cmake的话，找到之前解压的文件夹

cd cmake-xxxx
sudo make uninstall
1
2

四、 Docker配置（可选）

4.1 Docker 简介

Docker是一个开源的平台，用于开发、交付和运行应用程序。它能够在Windows，macOS，Linux计算机上运行，并将某一应用程序及其依赖项打包至一个容器中，这些容器可以在任何支持Docker的环境中运行。容器彼此隔离，但可以通过特定的通道相互传递信息。

Docker 官网
 Docker hub
通过 Docker hub 可以拉取很多镜像，拉取下来的镜像里面集成包含了各种环境，免去了自己一步步配置开发环境的麻烦
在这里插入图片描述

比如pytorch的 docker 镜像，通过选择所需的版本，复制对应的docker拉取命令即可
在这里插入图片描述

Docker Desktop、Docker Extensions、Docker Scout、Docker Engine 各自的概念的区别：

Docker Desktop

Docker Desktop 是一款适用于 Mac、Linux 或 Windows 环境的一键安装应用程序，可以构建、共享和运行容器化应用程序和微服务。

它提供了一个简单明了的图形用户界面（GUI），让你可以直接从你的机器上管理你的容器、应用程序和映像。

Docker Desktop 减少了复杂设置所花费的时间，让你可以专注于编写代码。它会处理端口映射、文件系统问题和其他默认设置，并定期更新错误修复和安全更新。它包括 Docker Engine、Docker CLI 客户端、Docker Compose 等工具，以及用于 Kubernetes 集成和多集群管理的高级功能。Docker Desktop 提供了一个用户友好的界面，使得在本地机器上管理容器、镜像和应用程序变得更加简便。

Docker Extensions

Docker 扩展可以在 Docker Desktop 中使用第三方工具来扩展其功能。

可以将自己喜欢的开发工具无缝连接到应用程序开发和部署工作流中。通过调试、测试、安全和网络功能增强 Docker Desktop，并使用扩展 SDK 创建自定义附加组件，安装的扩展数量不受限制。

Docker Scout

容器镜像由层和软件包组成，容易受到漏洞的影响。这些漏洞会危及容器和应用程序的安全。
Docker Scout 是一种主动增强软件供应链安全性的解决方案。通过分析你的映像，Docker Scout 会编制一份组件清单，也称为软件物料清单（SBOM）。SBOM 与持续更新的漏洞数据库相匹配，以找出安全漏洞。
Docker Scout 是一个独立的服务和平台，你可以使用 Docker Desktop、Docker Hub、Docker CLI 和 Docker Scout Dashboard 与之交互。Docker Scout 还便于与第三方系统集成，如容器注册表和 CI 平台。

Docker Engine

Docker Engine 是一种开源容器化技术，用于构建和容器化应用程序。Docker Engine 以客户端-服务器应用程序的方式运行
CLI 使用 Docker API，通过脚本或直接 CLI 命令来控制 Docker 守护进程或与之交互。许多其他 Docker 应用程序都使用底层 API 和 CLI。守护进程创建并管理 Docker 对象，如镜像、容器、网络和卷。

在ubuntu内开发，常使用Docker Engine，当然其他的也可以按需安装配置，下面提供了Docker Engine的安装配置流程：
由于国内Docker相关网站非常难上，所以Docke得配置过程中可能会遇到一些麻烦

接下来开始docker的安装配置：

4.2 卸载旧版本的docker

在安装 Docker Engine 之前，需要卸载任何冲突的软件包

以下是要卸载的：

docker.io
docker-compose
docker-compose-v2
docker-doc
podman-docker

直接运行卸载命令:

for pkg in docker.io docker-doc docker-compose docker-compose-v2 podman-docker containerd runc; do sudo apt-get remove $pkg; done
1

4.3 建立docker仓库，更新apt并安装相关工具

sudo apt-get update
sudo apt-get install \
    apt-transport-https \
    ca-certificates \
    curl \
    gnupg \
    lsb-release
1
2
3
4
5
6
7

4.4 添加GPG秘钥

curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo gpg --dearmor -o /usr/share/keyrings/docker-archive-keyring.gpg
1

4.5 根据系统架构配置稳定版的仓库

# x86_64
echo \
  "deb [arch=amd64 signed-by=/usr/share/keyrings/docker-archive-keyring.gpg] https://download.docker.com/linux/ubuntu \
  $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
1
2
3
4

4.6 更新apt工具包，然后安装docker

sudo apt-get update
sudo apt-get install docker-ce docker-ce-cli containerd.io
1
2

理论上如果一切顺利，这里就完成了安装！！

一些配置docker时可能遇到的报错：

报错1：连接超时

更新apt时报错：
在这里插入图片描述
说明网络连接不上
尝试：这个docker网站确实很容易连接超时，可以尝试用“其他上网”方式，或者换源

报错2：连接超时，无法连接到docker网址

运行官网的添加秘钥命令

sudo curl -fsSL https://download.docker.com/linux/ubuntu/gpg -o /etc/apt/keyrings/docker.asc
1

报错信息：
在这里插入图片描述

报错3：找不到有效的OpenGPG谁

运行第2步添加GPG秘钥时报错
在这里插入图片描述

报错4：仓库被配置了多次

运行下面命令，添加稳定版仓库时候报错
说明已经添加了仓库了，无需再次添加，接下来需要添加秘钥

sudo add-apt-repository "deb [arch=amd64] https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable"
1

在这里插入图片描述

目前的问题：
接下来 sudo apt-get update这个命令一直不行，会一直连接不上

尝试1：
添加代理

export http_proxy=xxx
1

尝试ping通

ping xxx
1

依然报错
在这里插入图片描述
尝试2：
添加国内阿里源

sudo curl -fsSL http://mirrors.aliyun.com/docker-ce/linux/ubuntu/gpg | suod apt-key add -
sudo add-apt-repository "deb [arch=amd64] https://mirrors.aliyun.com/docker-ce/linux/ubuntu $(lsb_release -cs) stable"
1
2

报错：没有release文件
在这里插入图片描述

尝试3：
关闭代理

unset http_proxy 
unset https_proxy 
1
2

报错：依然无法下载
在这里插入图片描述

解决方案：直接sudo apt-get install ，而不去sudo apt-get update（成功！！）
原因应该是update需要通过docker官网update，然而国内网络很难上，因此失败
直接使用国内源下载即可解决

sudo apt-get install docker-ce docker-ce-cli containerd.io
1

经过多次尝试终于下载完成

4.7 添加当前用户至 docker group

sudo groupadd docker
sudo gpasswd -a ${USER} docker
sudo service docker restart
1
2
3

可以看看docker状态，版本信息

sudo systemctl status docker 
docker version
1
2

4.8 验证 docker 安装

docker run hello-world
1

大功告成！！
在这里插入图片描述

附：docker官网步骤以供参考
docker engine ubuntu 安装的官网步骤

 for pkg in docker.io docker-doc docker-compose docker-compose-v2 podman-docker containerd runc; do sudo apt-get remove $pkg; done
1

# Add Docker's official GPG key:
sudo apt-get update
sudo apt-get install ca-certificates curl
sudo install -m 0755 -d /etc/apt/keyrings
sudo curl -fsSL https://download.docker.com/linux/ubuntu/gpg -o /etc/apt/keyrings/docker.asc
sudo chmod a+r /etc/apt/keyrings/docker.asc

# Add the repository to Apt sources:
echo \
  "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.asc] https://download.docker.com/linux/ubuntu \
  $(. /etc/os-release && echo "$VERSION_CODENAME") stable" | \
  sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
sudo apt-get update
1
2
3
4
5
6
7
8
9
10
11
12
13

sudo apt-get install docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin
1

sudo docker run hello-world
1

五、某些库的安装配置（可选）

基于的环境：
ubuntu：20.04

5.1 Ubuntu 的 Python安装

理论上，Ubuntu应该会自带Python，像ubuntu20.04自带Python3.8
并且如果按照1.3中的conda配置，安装了conda的话，conda环境一样会自带python

通过以下命令查看python的版本

ls -l /usr/bin/python*
1

或者

which python
which python3.8
1
2

如果想安装自定义版本的Python
如Python3.10，想下载其他版本则输入对应版本号

下载：

sudo apt install python3.10

1
2

然后创建新的软连接

ln -s /usr/bin/python3.10 /usr/bin/python3
1

5.2 PCL库的安装（C++）

PCL（Point Cloud Library）是在吸收了前人点云相关研究基础上建立起来的大型跨平台开源C++编程库，它实现了大量点云相关的通用算法和高效数据结构，涉及到点云获取、滤波、分割、配准、检索、特征提取、识别、追踪、曲面重建、可视化等。支持多种操作系统平台，可在Windows、Linux、Android、Mac OS X、部分嵌入式实时系统上运行。

安装可能需要的依赖：（根据实际情况选择）

sudo apt-get update
sudo apt-get install git build-essential linux-libc-dev
sudo apt-get install cmake cmake-gui 
sudo apt-get install libusb-1.0-0-dev libusb-dev libudev-dev
sudo apt-get install mpi-default-dev openmpi-bin openmpi-common  
sudo apt-get install libflann1.8 libflann-dev
sudo apt-get install libeigen3-dev
sudo apt-get install libboost-all-dev
sudo apt-get install libvtk5.10-qt4 libvtk5.10 libvtk5-dev
sudo apt-get install libqhull* libgtest-dev
sudo apt-get install freeglut3-dev pkg-config
sudo apt-get install libxmu-dev libxi-dev 
sudo apt-get install mono-complete
sudo apt-get install qt-sdk openjdk-8-jdk openjdk-8-jre
1
2
3
4
5
6
7
8
9
10
11
12
13
14

方法一：源码编译安装

Point Cloud Library
在这里插入图片描述

点击tags
在这里插入图片描述

选择合适的版本下载，ubuntu：20.04 推荐1.10.0，ubuntu：18.04 推荐 1.8.0
在这里插入图片描述
解压安装，并编译，编译通常需要花费很长时间，耐心等待

unzip pcl-xxxx
cd pcl-xxx
mkdir build
cd build
cmake ..
make -j8
sudo make install
1
2
3
4
5
6
7

可能遇到的报错：

报错：运行cmake 时，找不到FLANN
报错信息：Could NOT find FLANN (missing: FLANN_LIBRARY FLANN_INCLUDE_DIR) (Required
is at least version “1.7.0”)
解决方案：安装flann
flann的github： FLANN

解压

unzip flann-master.zip
1

创建build

cd flann-master && mkdir build && cd build
1

编译配置并安装

cmake ..
1

make -j8
1

报错：编译flann时，系统无法找到名为 ‘liblz4’ 的软件包
报错信息：No package ‘liblz4’ found

解决方案：
先查看是否存在该lib库

locate liblz4
1

若存在，则创建软连接

ln -s /usr/lib64/liblz4.so.1 /usr/lib/liblz4.so
1

若不存在，则需要下载 ‘liblz4’ 的源代码，并按照以下步骤编译安装：

./configure
make
sudo make install
1
2
3

方法二：apt get 安装

由于源码编译安装pcl比较麻烦，并且库与库之间的依赖比较复杂。如果实在无法安装，采用apt的方式安装可以节省很多时间

ubuntu：20.04 默认安装1.10版本

卸载可能存在的旧版的pcl

sudo apt-get remove libpcl-dev
1

安装pcl库

sudo apt-get install libpcl-dev
1

以下给出一些可能的报错：

报错1：依赖不会被安装
报错信息：libpcl-dev : 依赖: libboost-all-dev 但是它将不会被安装

报错2：无法定位软件包
报错信息：
“ 正在读取软件包列表… 完成
正在分析软件包的依赖关系树
正在读取状态消息… 完成
E:无法定位软件包 xx-xx-xxx ”

报错3未满足的依赖关系：
报错信息：
有一些软件包无法被安装。如果您用的是 unstable 发行版，这也许是
因为系统无法达到您要求的状态造成的。该版本中可能会有一些您需要的软件
包尚未被创建或是它们已被从新到(Incoming)目录移出。
下列信息可能会对解决问题有所帮助：

下列软件包有未满足的依赖关系：
xxxxxx : 依赖:xxxxxxxxxxxxx 但是它将不会被安装
依赖: xxxxxxxxxxxx 但是它将不会被安装
依赖: xxxxxxxxxxxxxxxxxxx 但是它将不会被安装
E: 无法修正错误，因为您要求某些软件包保持现状，就是它们破坏了软件包间的依赖关系。

可能的尝试：
注意！！以下命令不建议使用：
以下命令会自动升级依赖包，并处理其中的依赖关系。
但是如果显卡驱动是采用手动安装的，那么将有可能导致显卡驱动无法使用，可能导致扩展屏无法正常显示

// 不建议使用该命令
sudo apt dist-upgrade
1
2

以下命令将采用 aptitude 安装所需依赖包，使用 aptitude 安装可能在处理依赖问题上比较好。但是可能会同时删除本身所依赖的包，所以需要看清楚是否会删除掉一些其他的包
比如可能会删除一些cuda的依赖包，导致后续cuda出现问题

// 不建议使用该命令
sudo aptitude install
1
2

解决方案：加入中科大源

首先先备份一份原本的源配置文件

sudo cp /etc/apt/sources.list /etc/aptsources_bak.list
1

使用vim打开sources.list

sudo vim sources.list
1

加入以下中科大源信息（这里还是推荐中科大的源，貌似清华源会出现一些问题）

deb https://mirrors.ustc.edu.cn/ubuntu/ focal main restricted universe multiverse
deb https://mirrors.ustc.edu.cn/ubuntu/ focal-security main restricted universe multiverse
deb https://mirrors.ustc.edu.cn/ubuntu/ focal-updates main restricted universe multiverse
deb https://mirrors.ustc.edu.cn/ubuntu/ focal-backports main restricted universe multiverse
1
2
3
4

最后更新一下源

sudo apt-get update && sudo apt-get upgrade
1

5.3 CloudCompare 安装

CloudCompare 是一个可以实现点云可视化、点云分割、点云处理等的一个库

CloudCompare 的安装方法有很多，以下提供几种：

方法一：snap 安装（简单方便快捷）

下载：

sudo apt install snap
sudo snap install cloudcompare
1
2

运行：

CloudCompare
1

方法二：flatpak 安装（官方推荐）

下载：

flatpak install flathub org.cloudcompare.CloudCompare
1

运行：

flatpak run org.cloudcompare.CloudCompare
1

方法三：源码编译安装（可自定义但有点麻烦）

注意！！如果用以下命令拉取项目，后续编译可能会报错：缺 CCCoreLib库、缺Flann库等问题
需要自己再去把缺少的库手动编译安装一下

git clone https://github.com/CloudCompare/CloudCompare.git
1

因此还是推荐用下面这个命令
拉取项目（推荐）：
加入 --recursive 是比较重要的

git clone --recursive https://github.com/cloudcompare/CloudCompare.git
1

配置编译：

mkdir build && cd build
cmake ..
1
2

编译安装：
注意！！
这里如果需要使用一些其他的插件的话，需要参考Compilation of CloudCompare 2.13+ 来增加编译其他插件

cmake --build .
1

如：
qPCL插件是默认不编译安装的

如果需要一同编译安装则在编译安装的命令后面加上-Dxxxxxx，（xxxxxx为插件的参数名字）
运行编译安装命令则为： cmake --build . -DPLUGIN_STANDARD_QPCL

安装：

cmake --install .
1

安装成功后，则可以通过以下命令运行

CloudCompare
1

六、一些实用工具的安装

6.1 Terminator

Terminator 是一款可以分窗口显示的终端工具，可以实现同屏同时监控多个终端窗口，相当实用！
在这里插入图片描述

安装命令：

sudo apt install terminator 
1

一样是通过快捷键： Ctrl+ Alt + T 打开终端
可以右键点开，进行分窗口，也可以通过快捷键来执行（可能有些机械键盘不一定支持…）

6.2 Ubuntu截图工具

Flameshot （火焰截图）是一款在可以在ubuntu上运行的简易截图工具，其丰富的截图编辑功能广受用户喜爱
在这里插入图片描述

安装命令：

sudo apt install flameshot
1

安装完成之后，通过快捷键： Ctrl+ Shift + A 启动截图
框选需要截图的区域后，可以选择矩形画框、圆形画框、马赛克处理、画箭头、文字编辑等功能
而后还可以选择复制到粘贴板，也可以选择保存图片，功能算是十分强大！！

6.3 Ubuntu 录屏工具

simplescreenrecorder 是一款在可以在ubuntu上运行的简易录屏工具，可以录制声音，可以录制整个画面也可以选择录制局部区域
在这里插入图片描述

安装命令：

sudo apt-get install simplescreenrecorder
1

安装完成后
通过下面命令启动

simplescreenrecorder
1

启动后可能弹出这个提示，可以选择 否 来跳过
在这里插入图片描述

simplescreenrecorde 的界面如下：

录屏的基本流程有：

设置录屏区域
设置分辨率和帧率
设置音频输入通道
选择文件保存位置
选择视频、音频的解码器

在这里插入图片描述

设置完成后即可开始录制，当然也可以设置录屏的热键
在这里插入图片描述

6.4 Ubuntu 远程桌面跨平台连接工具

以下的跨平台连接工具选择自己喜欢的一款即可

Todesk

Todesk 是一款稳定流畅的远程控制电脑手机连接软件,可远程桌面办公,远程协助运维
Todesk 下载官网

在这里插入图片描述
选择下载后，点击左边的ubuntu版本，根据提示的命令一步步安装即可

RayLink

RayLink 是一款流畅、高清、低延迟的免费跨平台远程控制软件，目前支持win、mac、linux、ios、android各种平台
意味着可以通过手机、电脑随时随地的远程连接到公司、家里的电脑
RayLink 下载官网
在这里插入图片描述

选择合适的平台下载，下载完成后运行下面命令进行安装：

sudo dpkg -i RayLink_xxxxxx
1

七、总结

总体的环境配置流程大概是这样，配置好了就可以开始愉快的深度学习之旅了！
当然，一些细节后续应该还会慢慢补充

声明：本文内容由网友自发贡献，转载请注明出处：【wpsshop博客】

【环境配置】Ubuntu深度学习环境配置全流程

文章目录

前言

一、 Ubuntu 基础开发环境配置

1.1 nvidia显卡驱动配置

1.2 CUDA以及cuDnn配置

1.3 Conda配置

1.4 Pytorch(GPU版)配置

1.5 TensorRT(C++)配置

方法一：使用tar格式安装

方法二：使用deb 格式安装

二、 推荐IDE配置

2.1 Pycharm配置（Python）

2.1.1 工程创建

2.1.2 环境创建

2.2 VSCode配置

2.2.1 Vscode 环境配置之json文件配置（C++）

2.2.2 Vscode 环境配置之json文件配置（Python）

2.2.3 SSH配置（可选）

三、 Cmake配置

3.1 查看是否存在cmake及其版本、g++版本

3.2 cmake官网下载

3.3 解压、编译安装

3.4 验证

四、 Docker配置（可选）

4.1 Docker 简介

Docker Desktop

Docker Extensions

Docker Scout

Docker Engine

4.2 卸载旧版本的docker

4.3 建立docker仓库，更新apt并安装相关工具

4.4 添加GPG秘钥

4.5 根据系统架构配置稳定版的仓库

4.6 更新apt工具包，然后安装docker

一些配置docker时可能遇到的报错：

报错1：连接超时

报错2：连接超时，无法连接到docker网址

报错3：找不到有效的OpenGPG谁

报错4：仓库被配置了多次

4.7 添加当前用户至 docker group

4.8 验证 docker 安装

五、某些库的安装配置（可选）

5.1 Ubuntu 的 Python安装

5.2 PCL库的安装（C++）

方法一：源码编译安装

方法二：apt get 安装

5.3 CloudCompare 安装

方法一：snap 安装（简单方便快捷）

方法二：flatpak 安装（官方推荐）

方法三：源码编译安装（可自定义但有点麻烦）

六、一些实用工具的安装

6.1 Terminator

6.2 Ubuntu截图工具

6.3 Ubuntu 录屏工具

6.4 Ubuntu 远程桌面跨平台连接工具

Todesk

RayLink

七、总结

二、推荐IDE配置