Ubuntu 深度学习环境配置方案_ubuntu配置深度学习环境

一、 依据设备条件配置显卡驱动

1.1 手动安装

ubuntu-drivers devices # 查看可用显卡型号
1

❯ ubuntu-drivers devices
== /sys/devices/pci0000:00/0000:00:01.1/0000:01:00.0 ==
modalias : pci:v000010DEd000024DDsv000017AAsd00003A4Fbc03sc00i00
vendor   : NVIDIA Corporation
driver   : nvidia-driver-515 - distro non-free
driver   : nvidia-driver-525-open - distro non-free recommended
driver   : nvidia-driver-470 - distro non-free
driver   : nvidia-driver-515-open - distro non-free
driver   : nvidia-driver-515-server - distro non-free
driver   : nvidia-driver-470-server - distro non-free
driver   : nvidia-driver-510 - distro non-free
driver   : nvidia-driver-525 - distro non-free
driver   : xserver-xorg-video-nouveau - distro free builtin
1
2
3
4
5
6
7
8
9
10
11
12
13

sudo apt install nvidia-driver-525 # 此处为安装525型号的驱动
nvidia-smi # 安装完成后查看显卡信息
1
2

可显示类似下面信息即为安装成功：

❯ nvidia-smi
Thu Feb  2 16:33:22 2023       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 525.60.11    Driver Version: 525.60.11    CUDA Version: 12.0     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|                               |                      |               MIG M. |
|===============================+======================+======================|
|   0  NVIDIA GeForce ...  Off  | 00000000:01:00.0  On |                  N/A |
| N/A   38C    P8    19W /  N/A |    551MiB /  8192MiB |      1%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+
                                                                               
+-----------------------------------------------------------------------------+
| Processes:                                                                  |
|  GPU   GI   CI        PID   Type   Process name                  GPU Memory |
|        ID   ID                                                   Usage      |
|=============================================================================|
|    0   N/A  N/A      1048      G   /usr/lib/xorg/Xorg                 84MiB |
|    0   N/A  N/A      1639      G   /usr/lib/xorg/Xorg                127MiB |
|    0   N/A  N/A      1771      G   /usr/bin/gnome-shell              110MiB |
|    0   N/A  N/A      2729      G   ...641282633524493272,131072      216MiB |
+-----------------------------------------------------------------------------+

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

1.2 自动安装

可通过软件和更新中的附属驱动自行选择安装

二、 安装 anaconda/miniconda

通过 anaconda选择需要的版本进行下载

bash <anaconda_name>.sh # 执行安装
conda activate # 激活环境
conda --version # 查看conda版本
1
2
3

可正确显示版本号即为安装成功

❯ conda --version
conda 22.9.0
1
2

三、 使用conda安装 pytorch、cuda 与 cudnn

通过查看PyTorch官网选择需要的版本进行安装，安装过程中会同时安装pytorch以及相应的库，其中包括 cuda

# 以安装 CUDA 11.6 为例
conda create -n test python=3.8 -y # 先创建一个测试环境，环境名为 test，可自行决定
conda activate test # 激活 test 环境
conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.6 -c pytorch -c conda-forge -y 
1
2
3
4

检验是否安装成功

# 在python中执行以下命令
import torch
print(torch.__version__) #查看pytorch版本
print(torch.cuda.is_available()) #查看cuda是否可用 输出为True 或者False
print(torch.version.cuda) # 查看cuda版本
print(torch.backends.cudnn.version()) # 查看cudnn版本
print(torch.cuda.get_device_name(0)) # 查看GPU类型
1
2
3
4
5
6
7

可正常显示版本号即为安装成功

❯ python
Python 3.8.15 (default, Nov 24 2022, 15:19:38) 
[GCC 11.2.0] :: Anaconda, Inc. on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch

print(torch.cuda.is_available()) #查看cuda是否可用 输出为True 或者False
print(torch.version.cuda) # 查看cuda版本
print(torch.backends.cudnn.version()) # 查看cudnn版本
print(torch.cuda.get_device_name(0)) # 查看GPU类型>>> print(torch.__version__) #查看pytorch版本
1.12.1
>>> print(torch.cuda.is_available()) #查看cuda是否可用 输出为True 或者False
True
>>> print(torch.version.cuda) # 查看cuda版本
11.6
>>> print(torch.backends.cudnn.version()) # 查看cudnn版本
8302
>>> print(torch.cuda.get_device_name(0)) # 查看GPU类型
NVIDIA GeForce RTX 3070 Laptop GPU
>>> 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20