安装概要：显卡驱动+cuda11.7+cudnn+pip换源+Anaconda3+pycharm

『xxx』：代表软件名称

1、系统换源

注: 更新包的时候速度变快

1）找到『软件和更新』，将“下载自”中的源改为阿里云的源，如下图所示：

2）在“其他软件”里将“Canonical 合作伙伴”勾上，如下图所示：

3）将“更新”中的“自动检查更新”和“有新版本时通知我”改为“从不”，如下图所示：

4）关闭之后，打开终端，更新：

sudo apt update
sudo apt upgrade

2、安装显卡驱动

1）终端输入以下命令，安装vim：

sudo apt install vim

2）禁用Ubuntu自带的nouveau驱动，输入以下命令：

sudo vim /etc/modprobe.d/blacklist-nouveau.conf

3）打开blacklist-nouveau.conf文件后，输入“i”进入编辑模式，然后输入以下命令：

blacklist nouveau
options nouveau modset=0

注：按“esc”+“:”+“wq”退出该文件的编辑

4）重启reboot（这一步是必须的）

reboot

5）重启之后，检测是否禁用nouveau成功

lsmod | grep nouveau

注：输入该命令后终端若无输出则表示禁用成功

6）添加nvidia驱动的ppa源并进行安装

sudo add-apt-repository ppa:graphics-drivers/ppa

7）查看可选驱动版本，输入以下命令：

ubuntu-drivers devices

显示如下：

8）依次输入以下指令，安装nvidia驱动及其依赖的包：

sudo apt update
sudo apt install nvidia-driver-470 #(此处安装驱动以实际输出信息为准，一般安装recommended的，如图中nvidia-driver-470)
sudo apt-get install mesa-common-dev
sudo apt-get install freeglut3-dev

注：如果显示“E：无法定位软件包”，则可用以下方法安装驱动

打开『软件和更新』，点击“附加驱动”，选择合适的版本，并应用，如下图所示：

9）再次reboot，重启

10）打开终端输入nvidia-smi，若出现以下类似界面表示驱动安装完成

3、安装cuda和cudnn

1）在cuda官网上选择适合当前系统的版本下载，如下图所示：

2）依据“Installation Instructions”的下载链接下载cuda，然后运行：

sudo sh cuda_11.7.1_515.65.01_linux.run

注：首先点击continue和接受协议（输入accept），然后要将Driver项勾选去掉，勾选上CUDA Toolkit 11.7，其他的几个选项可选可不选，点击Install，等待安装完成

3）配置环境变量

sudo gedit ~/.bashrc# 在打开文件的最下方依次输入以下内容：
export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

4）保存并退出，使环境变量生效，打开终端，输入以下指令：

nvcc -V

出现以下类似界面，说明安装成功

5) 安装cudnn，在官网选择合适版本的cudnn

注：1. 需要在官网进行注册，然后下载“Local Installer for Linux x86_64 (Tar)”

6）下载完成后解压并进入文件夹，以此输入以下指令：

注：这里的指令和安装cuda10.0的cudnn是有区别的

# 将下载好的.h文件和lib文件放到cuda文件夹目录下
sudo cp cudnn-linux-x86_64-8.5.0.96_cuda11-archive/include/cudnn*.h /usr/local/cuda/include
sudo cp -p cudnn-linux-x86_64-8.5.0.96_cuda11-archive/lib/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

接着输入以下代码：

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

注：出现以下界面查看版本，安装成功

4、安装Anaconda3

注： Anaconda可以很好地创建虚拟环境，用于分割不同项目所使用的环境

1）从这篇博客anaconda的版本对应关系以及anaconda下载地址中查看不同版本的python对应的anaconda，大部分用的是python3.7，这里安装“Anaconda3-5.3.1-Linux-x86_64.sh”。

2）从下载文件所在地打开终端，输入以下指令，进行安装：

sudo sh Anaconda3-5.3.1-Linux-x86_64.sh

注：在安装过程中会提示是否要把Anaconda写进环境变量里，写入的话终端输入python就会进入anaconda的python环境；而不写入的话，终端输入python3就是进入系统自带的python环境

3）输入以下命令加载环境变量：

gedit ~/.bashrc
# 在文件末写入、下面这一行命令
. /home/xxx/anaconda3/etc/profile.d/conda.sh
# source一下，激活环境变量
source ~/.bashrc

4）安装完anaconda后，使用以下命令进行conda环境创建使用：

conda create -n xxx python=???  # xxx是虚拟环境名称     ???是python的版本
conda activate xxx  # 进入虚拟环境
conda deactivate  # 退出虚拟环境

5、pip换源

注： pip换源加快下载python包的速度

1）打开终端输入以下命令进行换源：

mkdir ~/.pip
gedit ~/.pip/pip.conf
# 打开pip.conf文件后，在文件中输入
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple # 换为清华源

保存退出pip.conf文件，文件生效

6、安装pytorch

1）推荐使用国内镜像安装pytorch，在终端依次输入以下指令：

conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

2）在pytorch官网查看自己的适配版本

注： Pytorch Build中，stable是稳定版，preview是抢先版

3）进入虚拟环境，使用命令“conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch-nightly -c nvidia”进行安装

使用命令查看torch版本：

python
import torch
torch.__version__

使用命令查看是否可加速：

print(torch.cuda.is_available())

7、安装Pycharm

1）在官网中下载，运行以下指令进行安装：

注：激活码可在网上查找

tar zxvf pycharm-professional-2022.2.1.tar.gz # 解压文件
cd pycharm-professional-2022.2.1
cd bin
./pycharm.sh

2）创建pycharm快捷方式：
打开『Pycharm』，点击“Tools”–>“create desktop entity”–>“OK”。然后打开show applications，找到『Pycharm』的图标，右击选择“添加到收藏夹”。

总结

至此Ubuntu18.04系统的深度学习环境就安装完了，希望可以帮助到大家，欢迎收藏！

Ubuntu18.04系统搭建深度学习环境相关推荐

win10+ubuntu18.04双系统配置深度学习环境
目录一.双系统安装 1.制作U盘启动盘 2.选择装机位置 3.用U盘装机二.Windows系统下cuda10.1+cudnn+anoconda+pycharm+tensorflow+pytorch ...
pytorch中深度拷贝_在ubuntu20.04下搭建深度学习环境（pytorch1.5）
首先声明,完成这个环境的搭建不是我一个人的努力,是我在网上查找好多相关资料并得益于他们的帮助完成的,在下文对应的地方会放上相关链接.整个过程我将它分为4个步骤. 一.在ubuntu20.04上安装py ...
ubuntu18.04配置deepo深度学习环境（cuda + cudnn + nvidia-docker + deepo）--超级细致，并把遇到的错误和所有解决方案都列出来了
0 了解本机基本信息 0 参考文档主要整体是这篇 1.安装cuda和cudnn 2.安装cuda和cudnn 3.安装cuda和cudnn 4.安装cuda和cudnn 1.安装nvidia-doc ...
腾讯云Ubuntu18.04配置OpenPCDet深度学习环境
文章目录版本说明版本信息汇总版本制约关系 CUDA驱动及CUDA Toolkit最高对应版本 cuda 和cudnn 的版本匹配 CUDA Toolkit和PyTorch对应版本 tensorf ...
Ubuntu18.04+RTX 2080Ti+CUDA 10.0 +cuDNN+PyTorch搭建深度学习环境
SSH无密码登陆安装SSH Server Ubuntu 默认已安装了 SSH client,此外还需要安装 SSH server: sudo apt-get install openssh-serv ...
ubutnu16.04搭建深度学习环境: python3 + keras + tensflow
ubutnu16.04搭建深度学习环境: python3 + keras + tensflow 一.硬件信息查看cpu型号查看显卡型号查看系统版本二.软件安装 2.1安装anaconda3 2 ...
暗影精灵7安装Ubuntu双系统、RTX3060 Nvidia 驱动及搭建深度学习环境
记录在暗影精灵7上搭建深度学习环境踩过的坑安装Ubuntu的过程按照正常过程安装,但是务必在混合显卡模式下安装和启动Ubuntu并且关闭security boot,在独显直连的模式下由于Ubuntu ...
win10系统的深度学习环境搭建以win10+rtx2060+tensorflow为例/K210的win10系统的深度学习环境搭建/有无显卡均可安装
win10系统的深度学习环境搭建以win10+rtx2060+tensorflow为例 K210的win10系统的深度学习环境搭建有无显卡均可安装一软件准备 1.Anaconda3 软件介绍:A ...
雷神新911PRO晖金二代win10+ubuntu16.04系统安装教程+Anaconda3搭建深度学习环境tensorflow-gpu
雷神新911PRO晖金二代win10+ubuntu16.04系统安装教程雷神新911PRO晖金二代win10+ubuntu16.04系统安装教程 1.ubuntu16.04安装 1.1.ubuntu ...

Ubuntu18.04系统搭建深度学习环境

目录