ubuntu anaconda+pytorch-cpu或pytorch-gpu安裝

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

https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1804&target_type=runfilelocal

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