主要是给自己的记录，大家愿意参考也可以，但是我是新手，不保证完全ok，当作笔记慢慢更新
另外，因为ubuntu22.04刚发布不到一周，有很多问题我也很痛苦，但是20.04的默认内核是5.13，22.04的默认内核是5.15，我没记错的话。但是我刚买的电脑，我的无线网卡等很多硬件和20.04内核不匹配，需要5.14以上，正好升级到22.04试一试

另外非常推荐黄海广的Github配合学习更加舒适

1. Python

系统自带python3，暂时没用到python2，暂时不安装
后续安装ROS的时候需要再安装(我的印象里ROS需要切换到python2)

CUDA和cuDNN安装过程是我另一篇笔记里的，直接复制过来的

2. CUDA

2.1 查看自己需要的CUDA版本

输入nvidia-smi

指令不存在说明你的显卡驱动不对，不是nvidia，去软件与更新-附加驱动修改

2.2 安装CUDA

从该网站选择对应版本，并按步骤安装。

2022.4.26更新:前一天使用deb安装的CUDA，忘记了它会自动安装显卡驱动，导致显卡驱动变了，并且卸载了两个小时都没卸载成功。因为频繁的卸载CUDA,cuDNN和显卡驱动，为了防止后期环境出现问题，趁着刚刚安装的22.04,还没下载很多软件，赶紧重装！！！改用runfile安装，它能选择是否安装显卡驱动

把显卡驱动选项勾掉

以上均为2022.4.26更新，更新了CUDA安装方式，请直接跳转cuDNN，不删除deb安装方式是为了避雷

因为我目前22.04版本刚出不到一个星期，所以没有对应的Ubuntu22.04选项，我选择了20.04的暂用。
后期出BUG再改

安装过程中遇见的问题记录

在安装cuda最后一步sudo apt-get -y install cuda这一步报错，缺少liburcu6并且sudo apt install liburcu6显示没有这个软件包，所以选择自己下载并安装
下载地址
选择amd64架构的

在Download中可以看到Binary Package地址（鼠标所在）

用命令下载并安装

wget     http://archive.ubuntu.com/ubuntu/pool/main/libu/liburcu/liburcu6_0.11.1-2_amd64.deb
sudo dpkg -i sudo dpkg -i liburcu6_0.11.1-2_amd64.deb

然后重新安装cuda即可，问题解决

学自这篇
安装完成后，更新环境变量,我用的zsh，如果你没改过shell，那么默认是bash

sudo vim ~/.zshrc
#没改过用这句
sudo vim ~/.bashrc

在末尾添加

export CUDA_HOME=/usr/local/cuda-11.6
export PATH=$PATH:/usr/local/cuda-11.6/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.6/lib64

注意cuda版本我是11.6

source ~/.zshrc
#或者
source ~/.bashrc

最后输入nvcc -V查看cuda信息

3. 安装cuDNN

这里下载
没有对应的CUDA11.6对应的cuDNN版本
暂时使用cuDNN对应CUDA11.x版本的，别人说用这个版本可以，暂时尝试用一下，有BUG再说

下载并解压后，终端进入解压后的文件夹(因为解压后名字不统一，为了方便，进入文件夹后再复制文件)

sudo cp include/cudnn.h /usr/local/cuda/include
sudo cp lib/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

4. Anaconda

Anaconda官网
命令安装

bash Anaconda3-2021.11-Linux-x86_64.sh

一路yes和回车，可以选择安装位置，可以默认直接回车，但是我喜欢把工具安装在Tools文件夹里，要不然工具多了，谁用谁知道

安装过程中系统PATH有变动，需要source一下

source ~/.bashrc

此时命令行前会出现(bash)字样，是因为安装过程中在PATH中添加了conda初始化代码，会自动执行
有两种办法消除(bash)
一是注释掉初始化代码，重新source
二是在.bashrc最后添加conda deactivate每次自动退出base环境
三是将auto_activate_base设为false

conda config --set auto_activate_base false

以后每次想要进入base环境需通过指令conda activate base
很显然，我选的方法一，因为初学，暂时还不用，后面需要再改

问题记录
问题1:运行conda info --envs指令检验anaconda是否安装成功，报错：conda: command not found
学自【Linux】conda: command not found解决办法

#修改~/.bashrc 或者 zsh就修改 ~/.zshrc
sudo vim ~/.bashrc
#添加路径并注意修改自己的路径
export PATH=$PATH:/home/heine/Tools/anaconda3/bin
#保存退出后更新
source ~/.bashrc

重新运行conda info --envs

5. Pytorch

安装深度学习框架
Pytorch
因为目前Pytorch只支持CUDA11.3，而我的是CUDA11.6，比较难受，先暂时尝试一下11.3版本的这个能不能用，也许暂时不需要手动降级

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

根据安装情况看的话，只有新下载没有删除，我觉得没有破坏我的环境，哈哈哈，所以先暂时用一用。
后面需要更换的话再说

6. VSCode

该写在前面的，但是忘记了。
vscode安装很简单，官网下载deb文件然后直接dpkg安装即可
插件：Python, Jupyter, Jupyter Notebook

想要使用Jupyter Notebook还需要下载内核，具体过程记不清了，但是vscode会一步步提醒你完成。

7. 《动手学深度学习》李沐环境配置

因为anaconda3以及CUDA和cuDNN已经安装完了，所以

conda init
#重启shell后创建虚拟环境
conda create --name d2l python=3.9 -y
#可以查看一下目前的环境列表，应该就一个base一个d2l
conda env list
#激活
conda activate d2l
#安装d2l pytorch
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
pip install d2l==0.17.5
#退出虚拟环境即可，因为是在vscode中用该环境
conda deactivate

在vscode中重新选择内核为虚拟环境d2l。

Ubuntu22.04 Python 深度学习环境配置记录相关推荐

深度学习环境配置记录——RTX3050
一.下载首先需要先了解一下深度学习环境需要的各个软件之间的关系: 从源代码构建 | TensorFlow (google.cn) 然后了解自己的电脑 NVIDIA控制面板中查看显卡驱动,注意这个 ...
Ubuntu16.04 + 1080Ti深度学习环境配置教程
本文为配置GPU深度学习机器的详细教程,包括显卡驱动安装,GUDA.CUDNN安装,深度学习框架安装等等,请按此教程从头一步一步设置,过程中遇到所有问题都可以在这些步骤中找到解决方案,最折磨人的就是环 ...
双系统Ubuntu22.04深度学习环境配置与踩坑记录
双系统Ubuntu22.04深度学习环境配置踩坑记录前言目录相关版本主要参考教程 Ubuntu安装 Nvidia和CUDA安装踩坑经历官网安装所遇问题 cuDNN安装 Anaconda安装 ...
基于Ubuntu 18.04机器人操作系统环境和深度学习环境配置
基于Ubuntu 18.04机器人操作系统环境和深度学习环境配置详解 CUDA+Cudnn+ROS+anaconda+ubuntu装机必备笔记本双系统安装 U盘启动项安装ubuntu18.04.1 ...
Win 10 + Ubuntu 18.04 双系统安装与深度学习环境配置安装踩坑实录（上篇）
Win 10 + Ubuntu 18.04 双系统安装与深度学习环境配置安装踩坑实录(上篇) 折腾了两三天总算顺利在电脑上完成了装x的双系统安装,一路走来还比较顺利,主要在ubuntu的显卡设置上躺了 ...
ubuntu系统(八)：ubuntu18.04双系统安装+ros安装+各种软件安装+深度学习环境配置全家桶
0 说明 1.安装ubuntu18.04系统 1.1 ubuntu18.04镜像地址(可以用迅雷等下载): 1.2 下载Rufus: 1.3 制作镜像: 1.4 磁盘分区 1.5 关闭win11快速启 ...
Nvidia TX2 刷机+深度学习环境配置(cuda 8.0+python 3.5+opencv 3.4+tensorflow 1.4.1+keras+pip3)
配置说明一.刷机/重装系统二.环境配置三.参考一.刷机/重装系统(系统损坏时可按以下步骤重装系统) 1)刷机之前的准备 (1)装有ubuntu16.04的电脑(主机),因为我们要安装的JetP ...
史上最全深度学习环境配置教程---适用于各种深度学习框架---Pytorh TensorFlow Keras-等和各种python环境
鉴于我之前学深度学习,图像处理的时候走了很多弯路踩了很多坑的情况(其实主要是最近不想学习,想水一期博客),决定出一期深度学习环境配置的教程,因为我之前配置opencv的环境,TensorFlow的环境 ...
ubuntu 18.04 深度学习环境配置
ubuntu 18.04 深度学习环境配置系统环境配置更新源,更新系统安装一些工具软件安装chromium浏览器,看CSDN学院视频必备安装vim 开启sudo免密安装ssh-server ...
深度学习多卡配置_RTX 3080深度学习环境配置
找资料的时候感觉现在写30XX系显卡深度学习环境配置的文章还不太完善,所以记录了自己的采坑经历. Why? 下面这张图非常直观,TITAN性能比2080ti强,3080的CUDA核心数差不多是TITA ...

Ubuntu22.04 Python 深度学习环境配置记录

1. Python

2. CUDA

2.1 查看自己需要的CUDA版本

2.2 安装CUDA

3. 安装cuDNN

4. Anaconda

5. Pytorch

6. VSCode

7. 《动手学深度学习》李沐环境配置

Ubuntu22.04 Python 深度学习环境配置记录相关推荐

最新文章

热门文章

Ubuntu22.04 Python 深度学习环境配置记录

1. Python

2. CUDA

2.1 查看自己需要的CUDA版本

2.2 安装CUDA

3. 安装cuDNN

4. Anaconda

5. Pytorch

6. VSCode

7. 《动手学深度学习》李沐 环境配置

Ubuntu22.04 Python 深度学习环境配置记录相关推荐

最新文章

热门文章

7. 《动手学深度学习》李沐环境配置