Ubuntu22.04 Python 深度学习环境配置记录
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 ...
最新文章
- Kotlin基本语法和使用
- 【LeetCode-704 | 二分查找】
- AlwaysOn业务IP和高可用IP分开使用方案测试报告
- Thinking in React Implemented by Reagent
- alpha冲刺day12
- Python中的异常处理详解
- rabbitmq java教程_GitHub - maxwellyue/rabbitmq-tutorial-java: RabbitMQ官方教程的翻译和说明--Java版...
- 飞畅科技教你如何选择合适的PoE交换机?
- 【转】【C++学习笔记】C++异常处理
- 苦逼的程序员怎么发展
- Git - git tag - 查看当前分支 tag 版本说明
- 哪些情况下sql索引会失效
- python3.5怎么打开一个文件,Python3.5入门学习记录-File
- 成都睿铂M6Pros近景摄影测量:西安古城墙数字化建设应用介绍
- NOIP2017 普及组题解
- opencv摄像头捕获视频
- hbase与hadoop版本兼容问题,强烈谴责hadoop生态圈耦合性
- 指针数组和数组指针的使用
- android 画布清屏,html5清空画布方法(三种)
- 二阶魔方还原 - 4步2公式
热门文章
- poj 1330 Nearest Common Ancestors
- android解析html新闻的方法,Android使用Jsoup解析Html表格的方法
- c语言枚举法在单片机的应用领域,当前单片机主要应用在哪些领域?
- 读取、修改、保存图像
- leftjoin多表联合查询_图解面试题:多表如何查询?
- python中字典的用法_Python中字典的详细用法
- QT 中控件内坐标转换为父窗口坐标或屏幕坐标
- C++#ifndef/#define/#endif的用法
- “#if 0/#if 1 ... #endif”的作用
- csdn下载频道处理公告