在Ubuntu下搭建pytorch深度学习环境

安装任务：

• 检查ubuntu下是否有NVIDIA驱动，如果没有则需要安装
• ubuntu下安装anaconda3
• 在ubuntu下配置conda清华源镜像（提高conda下载速度）
• 使用anaconda下的指令搭建深度学习需要的虚拟环境
• ubuntu下安装pycharm，并且使用搭建好的虚拟环境

---

1.安装NVIDIA驱动： 1.1检查ubuntu下是否有NVIDIA驱动程序（如果在实验室的同学机器上有之前安装过的NVIDIA驱动就关注一下CUDA Version：11.6根据你所使用的CUDA Version选择安装对应的pytorch）

nvidia-smi

参考博客链接

已经安装过NVIDIA驱动的同学可以参考一下这篇博文
推荐阅读，ubuntu下安装nvidia驱动程序，当时就是参考的这一篇

1.2ubuntu下安装NVIDIA驱动（我使用到的流程） 输入指令，检查设备的型号，以及推荐的型号

ubuntu-drivers devices

更新软件索引

sudo apt update

自动安装默认推荐版本，我们实验室机器的型号推荐安装默认版本为510

sudo ubuntu-drivers autoinstall

安装结束之后不要着急去输入

 nvidia-msi

切记！！！一定要重启然后再输入nvidia-smi，执行完安装是打印不出来的！

如果重启之后打印成功则说明安装成功，失败就在移步到上面推荐的参考博文（我是一次就成功的）

2.Ubuntu下安1:67装Anaconda3：

Anaconda3官网

2.1.下载linux下对应版本的Anaconda3

点击下载之后，去点击linux火狐浏览器下的下载icon查看最近下载

把anaconda3下载好之后双击打开就好，切记生成了anaconda3之后就不要在拖动anaconda3文件了，因为启动需要的环境变量都已经自动配置好了，如果手动修改则会导致 输入conda 报错找不到conda
在终端输入conda测试安装是否成功,如下图就安装成功!

conda

如果提示找不到conda,请检查是否拖拽anaconda3的位置.
在ubuntu终端输入以下代码:查看ubuntu下的系统环境变量

gedit ~/.bashrc

仔细核对path是否正确

2.2给conda添加镜像源(根据自己网速,如果有梯子也可不添加)

在ubutun终端下输入

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/

在输入

gedit ~/.condarc

就可以查看给conda添加的镜像源

3使用conda创建pytorch虚拟环境 3.1创建一个虚拟环境

创建一个虚拟环境,名字是env_name, 此处可以自己根据环境名自定义,环境带有的python版本是3.7兼容性比较好

conda create -n env_name python==3.7

输入Y统一安装下列包,conda会自动开始往这个环境里面安装原始需要的包.


如果正常现实成这样说明成功!

激活你的虚拟环境,就是进入你的虚拟环境,只有执行下面 *** 作才能给你的环境里面安装

conda activate env_name

进入虚拟环境成功!注意base变成了你的环境名称
注意需要找到你的虚拟环境,就得知道文件放在哪里,
anaconda3->envs->你的虚拟环境名->python(python3)放在pycharm下,作为深度学习环境,后面会提到.

3.2安装pytorch

需要登陆pytorch官网:找到下面的页面

按照前面提到的nvidia-smi可以查看自己的cuda版本

可以选择pip或conda进行安装,刚刚创建环境的时候已经安装了pip22了.
选择对应的版本复制下面的pip 或者conda指令进行安装
如果CUDA版本比较低可以点击
找到对应自己CUDA的版本的pytorch,没有GPU的需要选择CPU版,复制到环境中去下载


查看下载的版本如果符合要求就输入Y,开始下载!
下载结束之后,还是在自己的环境中,输入python

import torch
print(torch.cuda.is_available())

打印ture即为安装GPU版本的pytorch成功!

4.安装pycharm并且使用anaconda虚拟环境

pycharm官网地址:选择自己系统对应版本,这里主要针对linux.下载community版本就够用了
下载成功之后,在浏览器查看下载的文件然后打开压缩包,把文件移动到你所需要的位置,打开pycharm->bin
在这个目录中右键打开终端输入

./pycharm.sh

打开pycharm

给项目选择环境：



在目录里面找到你的环境名称，在环境名称下面找到python或者python3 选择中以后点击OK，应用这个环境。

5.结语

我大概用了三天多的时间摸索安装linux下的环境，因为对于linux的不熟悉，刚开始一些指令耽误了我很多时间，外加上一些踩坑，比如说conda下载pytorch默认就是CPU版本，应用不了GPU。

有些时候安装完成输入指令验证是否安装成功，可以新建一个终端在输入验证，有些时候linux系统的终端需要刷新一下。

此外再次提醒安装 nvidia 显卡驱动安装完一定得 重新启动，在输入 nvidia-smi
对于linux不太习惯，如果踩坑了多输入几次命令就熟悉了，只有自己安装过一遍才能熟悉这个过程，每个人的GPU 型号不一样，网络情况不一样，报的错也不一样，按照以上方法安装可能会出现不可预料的错误，请根据报错信息精确定位错误，在baidu CSDN 知乎上检索问题 基本上都可以解答。