Pytorch安装与环境配置_pytorch环境搭建

​​​​​​ 前言

经验证Deepin可以使用显卡进行Pytorch的学习。

1 安装环境

1.1 硬件条件

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

1.2 系统环境

操作系统是Deepin Community 20.5，Kernel是5.15.24。

2 软件安装

2.1 Aanacoda安装

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

2.2 cuda安装前的准备

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：

1. 电脑正常工作；
2. CUDA使用也可以；
3. 不能通过dde-dock-graphics-plugin插件切换显卡模式；
4. 在应用商店随便安装个软件都会提示存在兼容问题，建议卸载显卡驱动，我只能填no跳过；
5. 哪怕就开个WPS，电脑都发热严重，风扇狂转，是真热键盘都烫手，没办法只能继续折腾。

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。

2.3 cuda安装

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

2.4 pytorch的安装

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。

2.5 pycharm的安装

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