赞
踩
经验证Deepin可以使用显卡进行Pytorch的学习。
小米笔记本Air13,硬件详情如图1.1所示.
图1.1 硬件配置详情
操作系统是Deepin Community 20.5,Kernel是5.15.24。
安装了Anaconda3-2021.11-Linux-x86_64.sh,已经成功安装.安装成功并重新启动电脑后,打开终端(Terminal)的命令行前添加了"(base)",测试命令是:conda --version。如图1.2所示。
图1.2 Anaconda安装后Terminal界面
通过conda list可以查看安装的全部组件,如图1.3所示。
图1.3 Anaconda安装的组件
已经cuda的官方网站下载了cuda_11.3.1_465.19.01_linux.run安装包(2022年4月份),下载的选项配置如图1.4所示。但由于不能确定是否能够在电脑上成功安装,所以还没安装改驱动。
图1.4 cuda下载版本配置
文件下载命令如下:
wget https://developer.download.nvidia.com/compute/cuda/11.3.1/local_installers/
通过上面的命令可以下载cuda_11.3.1_465.19.01_linux.run文件到“下载”或“Download”目录。
在安装cuda之前还有非常重要的一步,那就是安装NVIDIA独立显卡的闭源驱动(工作在PRIME模式),这一步是最关键,也是最容易出问题的一步。
对于不同的电脑往往有不同的情况,下面我把折腾的过程和遇到的问题说一下,以供大家参考(强烈建议看完下面几轮的折腾再考虑怎么安装):
1.第一轮:按照“一生哥哥的博客”的“Deepin20.2.4安装Nvidia驱动教程”安装(网址链接:https://blog.csdn.net/m0_37748381/article/details/121165337),在NVIDIA网站下载相应的驱动,安装的是NVIDIA-Linux-x86_64-510.60.02.run,不知是我安装的版本太高还是其他原因,情况如下:
2.第二轮:进入终端按照deepin的WIKI百科上的显卡使用说明进行了卸载(网址:https://wiki.deepin.org/wiki/%E6%98%BE%E5%8D%A1),使用的命令是:
sudo nvidia-uninstall
卸载时似乎出现了些报错,重启后,就进入不了登录界面了,尽管使用了WIKI百科显卡页的修复手段“sudo apt-get autoremove --purge nvidia-*”但仍然没有用,启动盘都做好,真想重新安装,但电脑上安装的软件实在有点多,还想再试试。在自检黑屏界面直接按ctrl+alt+F2进入tty2终端(一些电脑还需要按上Fn键,小米笔记本就需要),又进安装上NVIDIA-Linux-x86_64-510.60.02.run了,结果是又能进入界面了,奇怪的是:笔记本若不接电源就进入不了界面,连上电源就可以,不知谁还遇到过这种情况,但是电脑的发热问题依旧啊,真是没法使用。
3.第三轮:接着又使用sudo nvidia-uninstall命令把它卸载了,这次卸载没有报错,尝试卸载前面装的dde-dock-graphics-plugin不能成功,干脆也不管了(反正再没办法,估计也要重新安装系统了),顺便运行了一下dde-dock-graphics-plugin急求脚本“sudo /opt/apps/dde-dock-graphics-plugin/files/bin/Rescue.sh”。使用deepin的“显卡管理器”安装PRIME模式(中间会重启电脑,但卡在1%),仍然不能成功。
4.第四轮:在使用显卡管理时,有一个发现是:显卡管理器使用的是470.86版本的闭源驱动,有点怀疑开始安装的闭源显卡版本可能高了。在官方网站下载了470.86的闭源驱动程序“NVIDIA-Linux-x86_64-470.86.run”。但考虑再三,还是不想再折腾一轮老路了,还是先尝试了DEEPIN的WIKI百科显卡页的命令行安装方法:sudo apt-get install nvidia-driver,这次安装比较顺利。安装之后发现,原来安装的dde-dock-graphics-plugin插件竞然可以使用,可以正常切换显卡了(在集成显卡和N卡之间),在终端试了一下nvidia-smi命令输出结果显示正常,支持CUDA Version: 11.4(初步证明可以与cuda11.3工作),最主要的是不管在哪个显卡模式下发热问题明显改善了,终于可以搭建成功了较为满意的pytorch学习环境,真正做算法估计笔记本是够呛的(这一部对我来说是最后一部!)。
5.说明:我在“第一轮”安装之后就进行了下面的cuda、cudnn、pytorch等安装,是在解决发热等问题时进行了“第二轮、第三轮和第四轮”。个人的建议是(绝对是不一定对!)老老实实的采用深度WIKI百科上命令行安装命令安装,之后再安装上dde-dock-graphics-plugin。
cuda安装按照一生哥哥的博客和“Deepin20.2.4安装cuda和cudnn”(网址:https://blog.csdn.net/m0_37748381/article/details/121168702)。但安装的软件版本有所区别,如下:
cuda_11.3.1_465.19.01_linux.run
cudnn-11.3-linux-x64-v8.2.1.32(如图1.5)所示。
dde-dock-graphics-plugin_1.8.4-1_amd64.deb
cuda_11.3.1的下载网址:CUDA Toolkit Archive | NVIDIA Developer,选这个版本是因为poytorch当时支持的最高版本就是cuda11.3。
cudnn11.3下载网址:https://developer.nvidia.com/rdp/cudnn-archive,在网页上参考图1.5选择下载的版本。
Python使用的是3.9.12版本。
图1.5 cudnn版本选择
安装参考了两篇文章分别是:
音序博主的“Linux下安装pytorch”,网址如下:
Linux下安装pytorch_pytorch linux pip-CSDN博客
一生哥哥博主的“Deepin20.2.4安装Pytorch GPU版本”,网址如下:
Deepin20.2.4安装Pytorch GPU版本_deepin pytorch-CSDN博客
安装了pytorch的GPU和CPU版本,安装选项分别如图1.6和图1.7所示。
图1.6 pytorch CPU版安装配置
图1.7 pytorch GPU版安装配置
安装之前首先添加三方conda源,否则安装速度非常慢。注意,一定要去掉-c pytorch,CPU 和GPU版的安装命令分别如下:
conda install pytorch torchvision torchaudio cpuonly
conda install pytorch torchvision torchaudio cudatoolkit=11.3
为了确保pytorch安装成功,可以运行以下代码进行验证,如图1.7所示。
python3
import torch
import torchvision
print(torch.__version__)
print(torchvision.__version__)
图1.8 pytorch 安装完成验证
本来DEEPIN上的python版本是3.9.7,我运行了如下命令:
conda create -n py3.9 python=3.9
结果python就更新成了3.9.12。
在Deepin Community 20.5安装pyCharm很简单直接在应用商店安装即可。
在File>Settings>Project:python Project>Python Interpreter中添加Anaconda的Python解释器,如图1.9至1.13所示,完成。
图1.9 pyCharm配置Python解释器步骤1
图1.10 pyCharm配置Python解释器步骤2
图1.11 pyCharm配置Python解释器步骤3
图1.12 pyCharm配置Python解释器步骤4
选择Anaconda安装目录下bin文件夹内的python,然后一路OK。在图1.9的界面内去掉其他的Python 解释器,只保留Anaconda的。
运行默认建立的工程得到如图1.13的运行结果,红色框内的python路径是Anaconda3/envs/py3.9/bin/python路径下的,则说明配置成功。
图1.13 配置成功的运行示例
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。