200字范文 > Linux Ubuntu 配置Anaconda3+cuda+cuDNN+torch

Linux Ubuntu 配置Anaconda3+cuda+cuDNN+torch

时间：2019-01-21 01:24:07

详细过程

安装 anaconda3

下载

清华 anaconda 镜像源

找到合适的版本，使用 wget 命令下载

wget https://mirrors.tuna./anaconda/archive/Anaconda3-.11-Linux-x86_64.sh安装

可以安装在/opt/目录下。（该目录一般存放大型软件）

bash Anaconda3-.11-Linux-x86_64.sh配置环境变量

vim ~/.bashrc

在文末加上 anaconda3/bin 的绝对路径

export PATH=$PATH:/home/software/anaconda3/bin

保存退出，运行以下命令使其生效：

source ~/.bashrc验证

conda -V

可能出现的问题

切换用户之后 conda 命令不存在

解决方法：在新用户下设置环境变量。

安装 cuda

安装 cuda 是一个艰难的过程……加油！

注意：版本选择问题：首先，务必先在官网确认你想下载的pytorch版本对应的cuda版本，再确定你的驱动的版本，有些cuda版本是没有对应的 torch 版本的（比如 cuda11.2）

安装前准备

确认显卡驱动安装无误

nvidia-smi

出现下图是正确的。下面的 CUDA Version 指的是该版本的驱动支持的最高cuda版本。

如果没有出现上图，说明显卡驱动装错了。换一个驱动。

在 Ubuntu 下更换驱动的方法：软件和更新 -> 附加驱动 -> 选择你的心动驱动 -> 应用更改。如果提示重启生效，请重启，不要做无谓的挣扎。下载对应的安装文件

前往官网下载对应的 cuda 文件。请注意，如果需要下载以前的版本，在网页下端Resources部分有Archive of Previous CUDA Releases链接，点进去可以下之前的版本。如下图：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ueN37MgK-1670298206967)(:/429b2e56152549958415b37bb13b03d0)]

选好之后，下面会给出下载的链接，运行

wget https://developer./compute/cuda/11.5.0/local_installers/cuda_11.5.0_495.29.05_linux.run确认依赖包已安装

在安装 CUDA Toolkit 前，要确保系统安装了 gcc 和 make。如果希望使用 C++ 进行 CUDA 编程，需要安装 g++。如果想要运行 CUDA 例程序，需要安装相应的依赖库。（一般运行第二句就行了）

sudo apt update # 更新 apt

sudo apt install gcc g++ make # 安装 gcc g++ make

sudo apt install libglu1-mesa libxi-dev libxmu-dev libglu1-mesa-dev freeglut3-dev # 安装依赖库确认nouveau已经禁用

输入lsmod | grep nouveau，无事发生则可以。一般正确安装了 nvidia 驱动这个就已经被禁掉了。关闭图形界面

sudo telinit 3

（可以通过sudo systemctl start gdm3回到图形界面）

如果输入该命令后，黑屏，没有图形界面也没有命令界面，就是显示屏失去信号，那也许是显卡驱动的问题，请更换显卡驱动。

正式开始安装

运行 cuda 文件

sudo chmod a+x cuda_9.2_linux.run # 给cuda文件可执行权限

sudo ./cuda_9.2_linux.run --no-opengl-libs # 运行

cuda主要有以下参数：--no-opengl-libs：表示只安装驱动文件，不安装OpenGL文件。必需参数，原因同上。注意：不是-no-opengl-files。--uninstall (deprecated)：用于卸载CUDA Driver（已废弃）。--toolkit：表示只安装CUDA Toolkit，不安装Driver和Samples--help：查看更多高级选项。安装注意事项会先有个阅读声明，一直按D即可，然后accept。选项install nvidia accelerated Graphics Driver,输入n，因为我们已经安装了nvidia的驱动。选项install the OpenGL libraries,如果双显卡(集显+独显)选择n，如果只有独显可以选择y，如果双显卡选择y的话，会出现黑屏或者循环登录的问题，如果加了上面的参数就不会出现这个选项了。后面的可以都选择yes，最后一个选项我们可以选择n,也就是不复制Samples，因为安装目录下有samples。安装过程结束后会有以下信息：

Driver ：Installed

Toolkit ：Installed in /usr/local/cuda-9.2

Samples ：Installed in /home/vincent 修改环境变量

这里可能需要重启一下。然后进入终端，修改环境变量

vim ~/.bashrc

在文末加上

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64

export PATH=$PATH:/usr/local/cuda/bin

export CUDA_HOME=$CUDA_HOME:/usr/local/cuda

保存退出，运行以下命令使其生效：

source ~/.bashrc

注意，我们这里写的环境变量是/cuda而不是/cuda-11.2之类的，这里可以通过软链接同时安装多个版本的 cuda 并进行管理。

sudo rm -rf cuda # 删除之前的软链接

sudo ln -s /usr/local/cuda-11.2 /usr/local/cuda # 创建新的软链接验证是否安装成功

nvcc -V

可能出现的问题

切换用户之后 nvcc 命令不存在

解决方法：在新用户下设置环境变量。nvcc命令不存在并且建议通过 apt 安装

解决方法：这种很可能是因为环境变量没设置好，你已经安装过 cuda 了，所以不要再安一次。设置好环境再试试。记得设置好后用 source 命令使其生效。

安装 cudnn

下载文件

根据 cuda 版本，在官网找到对应的 cuDNN 版本。

需要账号。自己申请一个就行，没什么限制。

复制cuDNN库的链接，使用 wget下载或者下载。解压

tar -xvf cudnn-linux-x86_64-8.4.0.27_cuda11.6-archive.tar.xz复制，授权

cd cudnn-linux-x86_64-8.4.0.27_cuda11.6-archive

sudo cp lib/* /usr/local/cuda-11.2/lib64/

sudo cp include/* /usr/local/cuda-11.2/include/

sudo chmod a+r /usr/local/cuda-11.2/lib64/*

sudo chmod a+r /usr/local/cuda-11.2/include/*验证安装成功

通过下面的命令查看安装情况，如果结果如下图逐行显示版本号，则安装成功。

旧版为cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2，新版为cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

安装 pytorch

新建并进入虚拟环境

conda create env_name python=3.9

conda activate env_name获得下载链接并下载安装

去官网获取对应版本的下载链接。如果用 conda 命令下载，一直卡在检查环境那里，可能是版本对应不完美，就算了别纠结，换成 pip 命令下载。验证安装成功

进入 python，import torch

torch.cuda.is_available()

可能出现的问题

如果报错 "ERROR: Could not find a version that satisfies the requirement … (from versions: …) "版本找不到，但是下载连接是从官网复制的，那么大概率是你的 python 版本太低或者太高，用 conda 命令改下 python 版本（至于改到哪个版本，你看你要下载的 pytorch 版本和报错信息中提供的版本，如果报错信息中有的版本比你要下载的基本都低，那就升高 python，具体升高到多少不确定，+0.2试试，不行再改）：

python3 --version# 查看目前 python 版本conda install python=x.x# 更新 python 版本