Ubuntu搭建Pytorch环境（Anaconda、Cuda、cuDNN、Pytorch、Python、Pycharm、Jupyter）
- 一、配置镜像源，安装必要环境
- 二、Anaconda的下载、安装、卸载及环境配置
- 1.下载Anaconda
- 2.安装Anaconda
- 3.Anaconda的环境配置
- 4.赋予普通用户/超级用户使用Anaconda的权限
- 5.卸载Anaconda
- 三、显卡驱动、Cuda、cuDNN的安装（GPU版选装）
- 1.安装显卡硬件对应的驱动
- 2.下载对应显卡驱动版本的cuda
- 3.cuda的安装
- 4.cuda的环境变量配置
- 5.cuda的卸载
- 6.以tar方式下载、安装、卸载cudnn
- 7.以deb方式下载、安装、卸载cudnn
- 四、创建Anaconda虚拟环境
- 1.Anaconda常用命令：查看，创建，删除环境
- 2.创建ai空间，用于搭建pytorch深度学习框架
- 五、搭建Pytorch环境
- 六、安装相关依赖库的方法
- 1.利用官网命令安装所需依赖库
- 2.conda和pip的镜像加速配置
- 3.安装常用深度学习依赖库
- 4.安装依赖库时的常见问题
- 七、Python环境说明和Pycharm、Jupyter工具安装
一、配置镜像源，安装必要环境
1.查看Ubuntu版本号：cat /etc/issue，后续根据版本号添加对应的镜像源
2.备份镜像源：sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak
3.在阿里云镜像源官网中找到并复制与版本号对应的阿里镜像源：
或者在清华镜像源官网中找到并复制与版本号对应的清华镜像源：
4.编辑软件源配置文件：sudo vi /etc/apt/sources.list，将文件中内容替换为阿里镜像源或清华镜像源
5.刷新软件源：sudo apt-get update
6.安装用于编译和构建软件的工具库：sudo apt-get install build-essential
二、Anaconda的下载、安装、卸载及环境配置
1.下载Anaconda
进入Anaconda官网，下载linux版的anaconda（.sh结尾的文件）
2.安装Anaconda
1.将文件拷贝到Ubuntu中，在相应位置输入命令sh 文件名.sh进行安装（推荐在root用户下安装）
2.一直按ENTER键，直到出现让选择yes和no的页面，键盘输入yes
3.选择安装位置，输入想要安装的位置（注意：这里安装anaconda时最好安装在普通用户可以访问的目录下，例如/usr/local、/opt、/home，否则普通用户可能无法正常使用）
如果只需要在root账户下使用anaconda，直接按ENTER键选择默认位置就行。我这里安装到了默认路径/root/anaconda3下
4.初始化conda环境：键盘输入yes会自动配置环境；键盘输入no，后续要自定义配置环境。
3.Anaconda的环境配置
1.找到Anaconda的安装位置，默认安装会有提示，一般都是home/用户名/anaconda3，我本次安装到了/root/anaconda3下
2.输入vi ~/.bashrc编辑环境变量，添加以下内容：
export PATH="/自己对应的路径名/anaconda3/bin:$PATH"
这里写自己对应的路径名，我的是export PATH=“/root/anaconda3/bin:$PATH”
3.激活修改的内容：source ~/.bashrc
4.测试是否配置成功：输入conda，若没有显示not fond 则表示 anaconda安装配置成功
4.赋予普通用户/超级用户使用Anaconda的权限
无论是在root用户还是普通用户下进行安装的，安装anaconda时最好安装在普通用户可以访问的目录下，例如/usr/local、/opt、/home，否则普通用户是无法使用anaconda的。
（1）在root用户下安装的anaconda，想要赋予普通用户使用anaconda的权限
比如安装位置为/opt/anaconda3，直接在普通用户下执行：/opt/anaconda3/bin/conda init bash，然后执行conda env list测试
（2）在普通用户下安装的anaconda，想要赋予超级用户（root）使用anaconda的权限
比如安装位置为/home/xxx/anaconda3，直接在root用户下运行：/home/xxx/anaconda3/bin/conda init bash，然后执行conda env list测试
5.卸载Anaconda
如果安装anaconda时不小心安装到了在普通用户访问不到的目录下，例如/root、/home/root，可以卸载anaconda重新进行安装。
（1）删除安装目录：rm -rf /root/anaconda3
（2）编辑环境变量文件vi ~/.bashrc，注释或删除anaconda3的路径
（3）使修改后的环境变量立即生效：source ~/.bashrc
三、显卡驱动、Cuda、cuDNN的安装（GPU版选装）
主机有显卡的可以安装Cuda用GPU加速模型训练
1.安装显卡硬件对应的驱动
可以参考Ubuntu物理机显卡驱动安装的几种方式安装显卡驱动
输入nvidia-smi，查看自己所需要的cuda版本号，我的是12.1
2.下载对应显卡驱动版本的cuda
打开nvidia官网，点击对应版本链接进入下载界面（我的是12.1，选择12.1的任一版本都可以）
将上面生成的命令拷贝下来，先执行第一行命令下载cuda：
wget https://developer.download.nvidia.com/compute/cuda/12.1.0/local_installers/cuda_12.1.0_530.30.02_linux.run
3.cuda的安装
下载完成后执行chmod 777 【下载的sh文件】赋予执行权限，然后执行第二行命令安装cuda：
sudo sh cuda_12.1.0_530.30.02_linux.run
（1）遇到如下界面，选择continue继续
（2）遇到如下界面，输入accept
（3）遇到如下界面，按Enter键取消勾选驱动（显卡驱动已经安装过了），点击install安装其他组件
安装完成后显示如下路径
同时系统会在安装目录下自动生成一个/cuda的链接指向/cuda-版本号
4.cuda的环境变量配置
4.1 输入sudo vi ~/.bashrc命令修改环境变量
根据自己anaconda3的路径名，在文件末尾加入以下四行：
export PATH="/anaconda3的路径名/anaconda3/bin:$PATH"
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda/extras/CPUTI/lib64
export CUDA_HOME=/usr/local/cuda/bin
export PATH=$PATH:$LD_LIBRARY_PATH:$CUDA_HOME
4.2 输入source ~/.bashrc命令激活刚刚修改的内容
4.3 依次输入以下命令，测试cuda是否安装成功
nvcc -V
cd /usr/local/cuda/extras/demo_suite/
./bandwidthTest
出现Result = PASS即为成功
5.cuda的卸载
5.1 进入到cuda的安装目录，找到有关unintall的文件，执行卸载命令：sudo /usr/local/cuda-12.1/bin/cuda-uninstaller
5.2 勾选要卸载的cuda版本所有组件
5.3 卸载成功后，删除相关文件
5.4 删除相关环境变量
输入sudo vi ~/.bashrc将最下面和cuda有关的删除，执行source ~/.bashrc重新激活环境变量配置即可
6.以tar方式下载、安装、卸载cudnn
（1）下载对应cuda版本的cuDNN
打开nvidia官网，点击对应版本链接进入下载界面（我的cuda版本是12.1，选择12.x的任一版本的cuDNN都可以，推荐使用tar包的方式），下载需要注册登陆英伟达账户（自行百度）
（2）将下载好的文件拷贝到Ubuntu系统中，并执行以下解压缩命令：
unxz cudnn-linux-x86_64-8.9.0.131_cuda12-archive.tar.xz
tar -vxf cudnn-linux-x86_64-8.9.0.131_cuda12-archive.tar
（3）cuDNN的安装
进入解压后的目录中，打开终端，输入下述命令：
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 /usr/local/cuda/lib64/libcudnn*
（4）执行完毕后，输入以下命令验证cuDNN是否安装成功：
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
提示信息是指：在这个文件中不能使用 constexpr 关键字，因为这个文件是仅限于C语言的。
（5）cuDNN的卸载
通过tar包安装的cudnn，通过以下命令将拷贝到cuda安装目录的有关cudnn的文件删除即可：
sudo rm -rf /usr/local/cuda/include/cudnn.h
sudo rm -rf /usr/local/cuda/lib64/libcudnn*
7.以deb方式下载、安装、卸载cudnn
（1）先切换到/usr/local目录下，然后创建一个目录CuDNN
cd /usr/local
mkdir CuDNN
cd CuDNN
（2）前往https://developer.nvidia.com/rdp/cudnn-archive下载所需文件
（3）将下载文件拷贝到/usr/local/CuDNN/目录下
运行以下命令安装CUDNN7.4.2,这里安装顺序一定要如下所示：
sudo dpkg -i libcudnn7_7.4.2.24-1+cuda10.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.4.2.24-1+cuda10.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.4.2.24-1+cuda10.0_amd64.deb
（4）把文件复制到/usr/local/cuda/include文件夹下面,并修改权限：
sudo cp /usr/include/cudnn.h /usr/local/cuda/include
sudo chmod a+x /usr/local/cuda/include/cudnn.h
（5）检测是否安装成功的测试命令：
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
（6）卸载以deb方式安装的cudnn
#查询已安装的cudnn
sudo dpkg -l | grep cudnn
#删除拷贝的文件
rm -rf /usr/local/cuda/include/cudnn.h
#卸载安装的cudnn，注意卸载和安装顺序相反
sudo dpkg -r libcudnn7-doc
sudo dpkg -r libcudnn7-dev
sudo dpkg -r libcudnn7
#再次查询已安装的cudnn，没有任何输出即卸载成功。
sudo dpkg -l | grep cudnn
四、创建Anaconda虚拟环境
1.Anaconda常用命令：查看，创建，删除环境
(1) 查看anaconda的安装版本：conda --version
(2) 查看已经安装的环境（带星号的表示目前正在使用的环境）：conda env list
(3) 激活对应的虚拟环境（进入环境）：source activate envone(环境名)
(4) 激活默认的虚拟环境（base环境）：source activate
(5) 退出当前conda环境：conda deactivate
(6) 删除conda环境：conda uninstall -n envone(环境名) --all
(7) 在环境里安装需要的包：pip install xxx
(8) 查看已经安装的包：pip list
(9) 克隆已有环境：conda create --name python32（新名字） --clone python321（老名字）
(10) 删除conda环境：conda remove -n envone(环境名) --all
2.创建ai空间，用于搭建pytorch深度学习框架
使用anaconda安装环境后，本地默认环境成为base环境。
(1) 创建名为ai的空间：conda create -n ai
(2) 进入ai空间（虚拟环境）：conda activate ai
五、搭建Pytorch环境
1.通过命令进入创建好的ai空间source activate ai
2.进入pytorch官网下载对应版本的pytorch
- 选择pytorch版本
- 选择对应的操作系统
- 选择使用什么安装，conda里可以使用pip安装的
- 选择编程语言为python
- 选择cuda版本：我的版本是12.1，pytorch官网上目前只给出了11.8的Cuda支持，但是社区明确表明了兼容高版本Cuda。
3.在ai空间中执行上面生成的命令
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
WARNING: Running pip as the ‘root’ user can result in broken
permissions and conflicting behaviour with the system package manager.
It is recommended to use a virtual environment instead:
https://pip.pypa.io/warnings/venv WARNING: There was an error checking
the latest version of pip.
以上警告信息表示：以“root”用户身份运行 pip 可能会导致权限损坏以及与系统包管理器的行为冲突。
六、安装相关依赖库的方法
1.利用官网命令安装所需依赖库
（1）进入anaconda官网搜索需要安装的库名（无需注册登录）
（2）选择所需要的版本
（3）复制官网上的安装命令
（4）执行source activate ai进入ai虚拟环境中，执行上面复制的安装命令conda install -c pytorch-lts pytorch
（5）登入python执行import torch验证是否成功
2.conda和pip的镜像加速配置
将conda源和pip源修改为国内源，提高下载安装速度
2.1 修改conda源
修改~/.condarc文件：sudo vi ~/.condarc ，修改文件内容如下：
channels:
- defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
若清华的conda源不能使用，可以改用上交的源：
channels:
- https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/main/
- https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/free/
- defaults
show_channel_urls: true
2.2 修改pip源
参考：linux和window设置 pip 镜像源 、最实用的环境下载加速设置 ——【一文读懂】
输入conda deactivate关闭虚拟环境，回到终端界面
更新pip工具：pip install --upgrade pip
配置pip源：pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
3.安装常用深度学习依赖库
执行以下conda 命令，自动搜索下载安装好相关依赖库的适用版本及相关依赖。
(1)安装opencv库(该库用于图像处理)命令：conda install opencv
(2)安装torchvision库(该库用于下载训练先进的预训练模型)命令：conda install torchvision
(3)安装torch库(该库用于深度学习任务中构建、训练和部署神经网络模型)命令：conda install torch
(4)安装cv2库(该库提供了许多计算机视觉和图像处理方面的函数和工具):conda install -c necla-ml opencv-python
(5)安装tensorboardx库(该库提供了可视化和分析神经网络训练过程和结果的工具)：conda install -c conda-forge tensorboardx
4.安装依赖库时的常见问题
问题一：安装依赖库时显示”PackagesNotFoundError”报错
如果在使用 Conda 或类似包管理器时遇到 “PackagesNotFoundError” 错误，可能说明所需的包或软件包版本不在当前配置的软件源通道中。可以参考https://blog.csdn.net/weixin_45552562/article/details/109668589解决该问题。运行以下命令来更新软件源信息：conda update --all
重新执行conda install torch，若还是报错可以根据报错提示，参考6.1去官网查找对应命令进行安装。
七、Python环境说明和Pycharm、Jupyter工具安装
1.Python环境说明可以参考Ubuntu下系统python与anaconda下python
2.Pycharm工具安装可以参考Ubuntu 16.04 安装 PyCharm
（1）在PyCharm官网下载安装包（社区版免费）
（2）运行tar -zxvf pycharm-community-2022.3.2.tar.gz命令将安装包解压
（3）进入软件的bin目录，运行命令 sh ./pycharm.sh打开Pycharm
（4）普通用户权限问题
如果报错信息是有关普通用户权限的问题，可以尝试更改相关文件的所有者
sudo chown ownername:groupname /path/to/directory
在上述命令中，“ownername” 是指定的新所有者的用户名，“groupname” 是指定的新所属组的组名，而 “/path/to/directory” 是你要修改的目录的路径。
3.Anaconda自带Jupyter工具，用以下命令打开即可：jupyter notebook，可以参考jupyter使用教程
文章出处登录后可见！
