1. 推薦大家用Anaconda的原因:
1.1 依賴項檢查
- pip:
不一定會展示所需其他依賴包。
安裝包時或許會直接忽略依賴項而安裝,僅在結果中提示錯誤。 - conda:
列出所需其他依賴包。
安裝包時自動安裝其依賴項。
可以便捷地在包的不同版本中自由切換。
1.2 環境管理
- pip:維護多個環境難度較大。
- conda:比較方便地在不同環境之間進行切換,環境管理較爲簡單。
1.3 對系統自帶Python的影響
- pip:在系統自帶Python中包的**更新/回退版本/卸載將影響其他程序。
- conda:不會影響系統自帶Python。
1.4 適用語言
- pip:僅適用於Python。
- conda:適用於Python, R, Ruby, Lua, Scala, Java, JavaScript, C/C++, FORTRAN。
2. Anacond安裝:
Anaconda和Python版本是對應的,所以需要選擇安裝對應Python2.7版本的還是Python3.7版本或其他版本的,根據自己的需要下載合適的安裝包。
下載鏈接:https://www.anaconda.com/download/#linux
點擊下面的64-Bit (x86) Installer (522 MB),下載64位的版本。
下載完後的文件名是:Anaconda3-2020.02-Linux-x86_64.sh
cd到Anaconda3-2020.02-Linux-x86_64.sh所在的目錄
執行bash Anaconda3-2020.02-Linux-x86_64.sh開始安裝:
一直按回車直到如下界面,然後輸入yes:
這裏直接回車安裝到默認路徑,或者在>>>後輸入自定義路徑
等待安裝進度條走完,然後出現下面的提示,yes是加入環境變量,no是不加入環境變量,這裏我們以輸入no爲例
接下來手動加入環境變量,先cd到~,然後編輯.bashrc文件:sudo vim .bashrc
在最下面添加如下幾行(注意.後有空格):
# 區分anaconda python與系統內置python
alias python3="/usr/bin/python3.5"
alias python2="/usr/bin/python2.7"
. /home/cxd/anaconda3/etc/profile.d/conda.sh
然後按esc + : + wq!保存
輸入source .bashrc來執行剛修改的初始化文檔
下面輸入conda env list來試試環境變量是否設置成功:
試試剛剛設置的使用內置python的命令:python2、python3
如果到這就結束的話,大家安裝包的時候肯定會無比煎熬~這裏需要將anaconda換一下源(加入清華源):
然後我們創建一個名爲pytorch的虛擬環境,發現報了下面的錯誤:
原因是我們沒有清除上次安裝留下來的源,輸入sudo vim .condarc,修改該文件的內容(記得刪除default那行):
然後輸入source .condarc,再次創建虛擬環境:
3. pytorch cpu版本安裝:
打開pytorch官網:https://pytorch.org/
激活剛剛創建的虛擬環境:conda activate pytorch
在安裝之前先添加下面這個源:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch
然後輸入下面代碼:conda install pytorch torchvision cpuonly -c pytorch
等到安裝好後測試一下是否安裝完成:
import torch
print(torch.__version__)
輸出如下則安裝成功:
4. pytorch-gpu安裝
4.1GPU驅動安裝
4.1.1 檢測顯卡類型
執行命令: ’ ubuntu-drivers devices’
== /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 ==
modalias : pci:v000010DEd00001C8Dsv00001028sd0000086Fbc03sc02i00
vendor : NVIDIA Corporation
model : GP107M [GeForce GTX 1050 Mobile]
driver : nvidia-driver-390 - distro non-free
driver : nvidia-driver-435 - distro non-free
driver : nvidia-driver-440 - distro non-free recommended
driver : xserver-xorg-video-nouveau - distro free builtin
== /sys/devices/pci0000:00/0000:00:14.3 ==
modalias : pci:v00008086d0000A370sv00008086sd000042A4bc02sc80i00
vendor : Intel Corporation
model : Wireless-AC 9560 [Jefferson Peak]
manual_install: True
driver : backport-iwlwifi-dkms - distro free
大家可以看到,這裏有個設備是GTX1050
推薦安裝驅動是440
4.1.2 安裝驅動
sudo ubuntu-drivers autoinstall
安裝所有推薦驅動
sudo apt install nvidia-440
安裝一個驅動
4.2 安裝cuda
cuda安裝需要對應合適的顯卡驅動
下面是驅動和cuda的版本對應關係
Table 1. CUDA Toolkit and Compatible Driver Versions
CUDA Toolkit Linux x86_64 Driver Version Windows x86_64 Driver Version
CUDA 10.2.89 >= 440.33 >= 441.22
CUDA 10.1 (10.1.105 general release, and updates) >= 418.39 >= 418.96
CUDA 10.0.130 >= 410.48 >= 411.31
CUDA 9.2 (9.2.148 Update 1) >= 396.37 >= 398.26
CUDA 9.2 (9.2.88) >= 396.26 >= 397.44
CUDA 9.1 (9.1.85) >= 390.46 >= 391.29
CUDA 9.0 (9.0.76) >= 384.81 >= 385.54
CUDA 8.0 (8.0.61 GA2) >= 375.26 >= 376.51
CUDA 8.0 (8.0.44) >= 367.48 >= 369.30
CUDA 7.5 (7.5.16) >= 352.31 >= 353.66
CUDA 7.0 (7.0.28) >= 346.46 >= 347.62
這是cuda下載鏈接
Installer Type選擇第一第二個都可。但是要在獲得cuda文件後先檢測gcc版本
下面以第一個runfile(local)安裝方式爲例
4.2.1 安裝gcc
linux一般會自帶了gcc,我們先檢測一下自己系統的gcc版本
gcc --version
而cuda的gcc依賴版本在官方文檔的安裝指南上會給出
如果版本和cuda依賴gcc不對應,就安裝cuda需要的版本
sudo apt-get install gcc-7.0
sudo apt-get install g++-7.0
安裝完成後需要更換系統gcc版本
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 50
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-7 50
選擇需要的版本
sudo update-alternatives --config gcc
選擇 路徑 優先級 狀態
------------------------------------------------------------
* 0 /usr/bin/gcc-9 50 自動模式
1 /usr/bin/g++-9 50 手動模式
2 /usr/bin/gcc-7 50 手動模式
輸入前面顯示的編號即可
4.2.2 安裝cuda
sudo sh cuda_你的版本_linux.run
4.2.3 配置環境變量
sudo vim ~/.bashrc
將下面的命令複製進去
export PATH=/usr/local/cuda-10.2/bin${PATH:+:$PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
檢查是否安裝成功
nvcc -V
4.3.安裝cudnn
https://developer.nvidia.com/cudnn
選擇對應cuda的版本即可
然後將cudnn解壓後的include和lib64文件夾複製到cuda中
sudo cp cuda/include/cudnn.h /usr/local/cuda-10.2/include #解壓後的文件夾名字爲cuda-10.2
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.2/lib64
sudo chmod a+r /usr/local/cuda-10.2/include/cudnn.h /usr/local/cuda-10.2/lib64/libcudnn*
4.4.安裝pytorch-gpu
conda安裝:
# 選擇自己對應的cuda版本
conda install pytorch torchvision cudatoolkit=10.2
pip安裝:
pip install torch torchvision -i https://pypi.mirrors.ustc.edu.cn/simple