版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。 本文链接：https://blog.csdn.net/foxqz/article/details/100043820

新安装的ubuntu双系统，从头开始搭建深度学习环境记录

文章目录

• 一、安装python
• 下载Anaconda
• 安装Anaconda
• 查看是否安装成功
• 取消默认进入python虚拟环境

二、安装显卡驱动

• 下载驱动
• 禁用ubuntu系统自带显卡驱动
• 安装新驱动
• 查看是否安装成功

三、安装CUDA

• 下载CUDA
• 退出图形界面
• 安装CUDA
• 报错：空间不足
• 错误：安装CUDA后nvidia-smi命令出错

查看是否安装成功

四、安装CUDNN

• 下载CUDNN
• 安装CUDNN
• 查看是否安装成功

五、安装PyTorch

• 查看是否安装成功

参考

一、安装python

下载Anaconda

https://www.anaconda.com/distribution/ 选择合适的版本，右键复制链接地址，进入命令行

sudo wget -c https://repo.anaconda.com/archive/Anaconda3-2019.07-Linux-x86_64.sh

国外地址，下载比较慢

安装Anaconda

sh Anaconda3-2019.07-Linux-x86_64.sh

读协议疯狂回车，然后yes，yes，安装完成

查看是否安装成功

退出命令行，再打开一个新的，可以看到直接进入了python虚拟环境base
输入python可以看到python版本号，安装成功

取消默认进入python虚拟环境

可根据个人情况决定是否修改

conda config --set auto_activate_base false

再重新打开终端就没有base了
注：禁用后再想使用自己安装的python版本需要先进入虚拟环境

conda activate base

二、安装显卡驱动

下载驱动

首先查看显卡型号

lspci | grep -i vga

然后去NVIDIA官网查看显卡驱动版本，记得选LINUX系统，然后搜索，下载
复制链接地址到命令行用wget下载，我下载的是430.40版本驱动，根据显卡情况会有所不同

wget -c http://cn.download.nvidia.com/XFree86/Linux-x86_64/430.40/NVIDIA-Linux-x86_64-430.40.run

禁用ubuntu系统自带显卡驱动

sudo gedit /etc/modprobe.d/blacklist.conf

在配置文件的最后一行加上blacklist nouveau，保存

更新配置

sudo update-initramfs -u

之后重启系统
在别的教程看到重启系统后图形化界面可能会出现问题，点这里供参考，不过我没遇到

安装新驱动

sudo sh NVIDIA-Linux-x86_64-430.40.run

按提示确认即可

查看是否安装成功

nvidia-smi

出现以上方框即为安装成功

三、安装CUDA

下载CUDA

根据驱动版本选择合适的CUDA版本，英伟达官方给出的对应关系点这里

这里选择CUDA 10.0版本，然后进入官网下载
其它CUDA版本下载点这里，CUDA历史版本
官网下载巨慢可以先去干点别的

退出图形界面

下载完成后，先按CTRL+ALT+F2进入命令行界面，然后用下面这个命令关闭图形界面

sudo service lightdm stop

（不退出图形界面直接安装的话会报错说你的显卡在被使用blabla然后无法安装）

安装CUDA

在这个命令行界面运行安装程序

sudo sh cuda_10.0.130_410.48_linux.run

以下部分因为在命令行界面无法截图，所以只能文字描述没有图片

• 首先是一长串协议，按住回车直到阅读完毕，会问是否接受，输入accept
• 下一个提示是是否安装显卡驱动，选择no，这里很重要！！！因为我们已经装过了显卡驱动，如果这里选了yes会覆盖掉之前安装的并且出很多错= =亲身经历
• 之后的可以一路选择默认选项yes
• 然后进入安装

报错：空间不足

这里我遇到了一个错误提示tmp空间不足无法安装，查阅资料后选择新建tmp2文件夹放在home下（我装系统时home分区比较大），这个tmpdir路径可以自己设置，用如下命令安装cuda

sudo sh cuda_10.0.130_410.48_linux.run --tmpdir=/home/tmp2

然后要重新经历一遍阅读协议，accept，然后记得还是选择不安装显卡驱动！！！
之后就可以成功安装了

错误：安装CUDA后nvidia-smi命令出错

我遇到这个错误是因为装了驱动后安装CUDA时又选择了安装驱动，会覆盖掉之前装的驱动但是会出错用不了，最终解决方法是卸载CUDA卸载驱动，然后重新安装驱动安装CUDA

查看是否安装成功

nvcc -V

出现版本号即为安装成功

四、安装CUDNN

下载CUDNN

从官网下载合适的版本
下载完成后解压

tar -xzvf cudnn*.tgz

安装CUDNN

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

查看是否安装成功

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

显示如下信息即为安装成功

五、安装PyTorch

从官网下载并安装，按照自己的版本来选择，我的选择如下
将命令复制到命令行直接进行下载安装，也会下载很久可以去干点别的
如果下载多次中断可以从这里，via pip部分，按照你的CUDA版本，选择合适的whl文件下载，然后用pip进行安装

查看是否安装成功

进入python

import torch
torch.cuda.is_available()

出现True即为成功，torch可以调用GPU进行计算

参考

[1] Linux系统安装NVIDIA显卡驱动详细步骤（以Ubuntu系统为例） | 逸·文鹤
[2] 显卡驱动版本 与 cuda版本
[3] 安装CUDA时提示空间不足
[4] Ubuntu16.04下安装cuda和cudnn的三种方法（亲测全部有效）