Ubuntu Budgie 18.04 软件环境配置与CUDA 9.1、cuDNN7.1、Pytorch安装

缺乏、安全感 2022-05-26 09:37 269阅读 0赞

4月26日，Ubuntu 18.04 LTS 长期支持版终于发布，随之发布的也包含官方支持的多种flavors，包含 Ubuntu Mate, Ubuntu Budgie, Kubuntu, Lubuntu, XUbuntu。之前尝试过多种Linux版本，但个人喜欢Budgie，所以将记录在Budgie上的配置过程，估计也可直接用于其他18.04版本的Ubuntu分支。  
![这里写图片描述][70]  
![这里写图片描述][70 1]  
![这里写图片描述][70 2]  
由于Ubuntu 18.04 刚发布，很多需要的软件无法在第一时间获得更新，比如搜狗输入法和ss-qt5，以及CUDA等官方还未提供正式版本，但又是平常需要的软件和环境，所以今天就记录一下如何安装必备上网/输入法/以及深度学习环境的过程，这也是我从刚安装好系统到可实现正常研究需要的完成流程。

安装配置的内容如下：

*  **1. 校园网锐捷 & ss-qt5**
 *  **2. 服务器本地密匙权限设置问题 & 浏览器插件SwithyOmega配置**
 *  **3. 谷歌中文输入法**
 *  **4. Nvidia Driver 安装**
 *  **5. CUDA 9.1**
 *  **6. cuDNN 7.1** 
 *  **7. Python2 / Python 3 配置**
 *  **8. Python2 / Python 3 分别安装 Pytorch 0.4.0**

--------------------

### 1. 上网工具—校园网锐捷 和 ss-qt5 ###

#### 1.1 锐捷 ####

所有文件都在rjsupplicant文件夹下，先使用`sudo apt install net-tools`安装查看网卡的命令，然后用 `ifconfig` 查看有线网卡。

sudo chmod a+x rjsupplicant/
    sudo ./rjsupplicant/rjsupplicant.sh -a 1 -d 0 -n 网卡端口 -u 学号 -p 密码

使用`alias`创建新命令，在terminal输入`sudo gedit ./.bashrc`，然后把下面的代码放到文件里：

alias ruijie='sudo /home/username/rjsupplicant/rjsupplicant.sh  -a 1 -d 0 -n 网卡端口 -u 学号 -p 密码

保存后`source ./.bashrc`生效，以后就直接输入ruijie就可以上网。

#### 1.2 ss-qt5 ####

配置了自己的服务器，上谷歌学术和youtube 都需要ss-qt5，可能Ubuntu 16.04 和其他版本都有很多直接的安装方法，但是Ubuntu 18.04暂时还没有，所以使用官方提供的通用ApppImage文件来使用。在[Github][]上下载`Shadowsocks-Qt5-3.0.0-x86_64.AppImage`文件，然后通过下面的命令就可运行出ss-qt5的界面。

sudo chmod a+x ./Shadowsocks-Qt5-3.0.0-x86_64.AppImage
    ./Shadowsocks-Qt5-3.0.0-x86_64.AppImage

为了以后的方便，将这串代码写入.bashrc文件里写成命令：

alias ss-qt5='sudo /home/cheng/Downloads/Shadowsocks-Qt5-3.0.0-x86_64.AppImage'

`source ./.bashrc`以后就可以直接在命令行输入`ss-qt5`开启界面，输入自己的参数信息连接。

![70 3][]

--------------------

### 2.服务器本地密匙权限设置问题 & 浏览器插件SwithyOmega配置 ###

##### 2.1 服务器本地密匙出现的问题 #####

`error:sign_and_send_pubkey: signing failed: agent refused operation`  
解决方法:

eval "$(ssh-agent -s)"
    ssh-add

但是接着会处出现一个问题：  
`Permissions 0777 for '/home/cheng/.ssh/id_rsa' are too open.`

解决方法：  
`chmod 400 ~/.ssh/id_rsa`

##### 2.1 浏览器插件SwithyOmega配置 #####

完整设置参考该[博客][Link 1]:  
setting SwitchyOmega—Autoproxy:  
`https://raw.githubusercontent.com/gfwlist/gfwlist/master/gfwlist.txt`

--------------------

### 3.谷歌中文输入法 ###

由于Ubuntu 18.04 上安装搜狗输入法一直没有成功，所以尝试安装其他的输入法，虽然谷歌拼音输入法不够智能，但偶尔使用还是可以的，且安装过程简单。

#### 3.1 Ubuntu Budgie快速安装fcitx ####

进入Budgie Welcome —> Getting Started —> Language & Input，点击`Install & Configure Fcitx`即可自动安装配置好Fcitx。这部分可能是Budgie比较方便的部分，其他分支可查看其他方法安装fctix。  
![这里写图片描述][70 4]

#### 3.2 安装谷歌中文输入法 ####

使用命令`sudo apt install fcitx-googlepinyin`，完成安装后logout登出再登录。

#### 3.3 配置fcitx configuration ####

搜索fcitx configuration，选中弹出设置界面。  
![这里写图片描述][70 5]  
点击左下角+（“添加”），在弹出的界面取消选择`“only show current language”`选项，并将进度条拉到最底部就可以看到Google Pinyin选项。

![这里写图片描述][70 6]  
选中并点击OK即可添加。默认使用`ctrl+空格`切换中英文输入法。  
![这里写图片描述][70 7]  
![这里写图片描述][70 8]

### 4.Nvidia driver 安装 ###

首先在[Nvidia官网][Nvidia]下载好相应的驱动文件。

#### 4.1 依赖程序安装 ####

Ubuntu Budgie 18.04 默认没有安装**gcc**和**make**，但编译驱动缺少这两个程序会有错误，所以使用如下命令安装。

sudo apt install gcc
    sudo apt install make

#### 4.2 禁用nouveau ####

(1)sudo gedit /etc/modprobe.d/blacklist.conf 
    (2)将 " blacklist nouveau " 写入文件的末尾并保存
    (3)sudo update-initramfs -u 
    (4)sudo reboot

#### 4.3 安装驱动 ####

(1) (ctrl+alt+f1)进入文字界面
    (2)检查nouveau是否禁用: `lsmod | grep nouveau`, 没有返回结果则禁用。
    (3)sudo service lightdm stop
    cd Downloads
    sudo chmod a+x ./Nvidia.....
    sudo ./Nvidia... -no-nouveau-check -no-x-check -no-opengl-files  # 可避免循环等问题
    sudo reboot

安装完成后`nvidia-smi`查看显卡信息。

## ![这里写图片描述][70 9] ##

### 5.安装CUDA9.1 ###

由于Nvidia官网还未提供Ubuntu 18.04 的CUDA安装包，因次将换种简单方法进行安装。

sudo apt install nvidia-cuda-toolkit

这句命令就可以在Ubuntu 18.04 简单完成CUDA 9.1的安装。来源参考博客[How to install MXNet on Ubuntu 18.04][]  
这个包比较大，下载过程时间比较长，请耐心等待。安装成功后使用`nvcc --version`检测所安装的CUDA为9.1版本。  
![这里写图片描述][70 10]

--------------------

### 6.安装cuDNN7.1 ###

从Nvidia官网下载[cuDNN7.1.3 for CUDA 9.1][]  
![这里写图片描述][70 11]  
然后解压并移动到指定路径下。

tar -zxvf cudnn-9.1-linux-x64-v7.1.tgz
    mv cuda ~/cuda

将下面一行添加到 ~/.bashrc 或 ~/.zshrc 文件中：  
`export LD_LIBRARY_PATH=$HOME/cuda/lib64:$LD_LIBRARY_PATH`

并`source ~/.bashrc`使其生效。

--------------------

### 7.Python2 / Python 3 配置 ###

Ubuntu18.04自带python2.7 和 python 3.6 两个版本，将同时对这两个版本的python 进行配置。  
![这里写图片描述][70 12]  
安装pip:

sudo apt-get install python-pip
    sudo apt-get install python3-pip

查看pip 版本：

pip --version
    pip3 --version

pip升级：

sudo pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pip --upgrade  # 使用清华源安装
    sudo pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple pip --upgrade

python2 和python3分别安装 numpy/matplotlib/opencv:

sudo pip2 install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy
    sudo pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy
    
    sudo pip install -i https://pypi.tuna.tsinghua.edu.cn/simple matplotlib
    sudo pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple matplotlib
    
    sudo pip2 install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python
    sudo pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python

--------------------

### 8.Python2 / Python 3 分别安装 Pytorch 0.4.0 ###

# python2 install pyotrch
    sudo pip2 install torch-0.4.0-cp27-cp27mu-linux_x86_64.whl  # 我使用的提前下载好的安装文件，可使用官网提供的网址直接下载安装
    sudo pip2 install -i https://pypi.tuna.tsinghua.edu.cn/simple torchvision
    
     # python3 install pytorch
    sudo pip3 install torch-0.4.0-cp36-cp36m-linux_x86_64.whl 
    sudo pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple torchvision

--------------------

### 9.检验ptorch/cuda/cudnn ###

# CUDA TEST
    import torch
    x = torch.Tensor([1.0])
    xx = x.cuda()
    print(xx)
    
    # CUDNN TEST
    from torch.backends import cudnn
    print(cudnn.is_acceptable(xx))

若成功则CUDA测试结果会返回tensor，cuDNN会返回True。

python2 结果：  
![这里写图片描述][70 13]  
python3结果：  
![这里写图片描述][70 14]

--------------------

> ###### 使用Ubuntu Budgie 18.04 出现的其他问题 ######
> 
> **问题：桌面卡死无法进行任何操作:**  
> **解决方法：进入文字界面\[ctrl+alt+f1\]，查询进程\[ ps -e | grep tty7 \], 杀死该进程\[ sudo kill (pid number) \]，即可重载桌面。**

[70]: /images/20220526/0f540d36b63f4ce9b43c13af4310f013.png
[70 1]: /images/20220526/8b5f96afd6554896950a8b80bdf8b847.png
[70 2]: /images/20220526/5cccfb79de934e43bde3604cc7873f11.png
[Github]: https://github.com/shadowsocks/shadowsocks-qt5/releases
[70 3]: /images/20220526/dead8b3403b34cb3966a25ef6850ece5.png
[Link 1]: https://eliyar.biz/AutoProxy-By-Shadowsocks-and-SwitchyOmega/
[70 4]: /images/20220526/6b08d249beb4479280082a0ddb8e38ec.png
[70 5]: /images/20220526/aec9cdc55c4047ad8b5587cc6352abfb.png
[70 6]: /images/20220526/22d66e1618de4cc9bc0d22bbcd248b17.png
[70 7]: /images/20220526/b095b9b486f444418c0c1bcc6fba579b.png
[70 8]: /images/20220526/d365079b897d40ab95cbc7b3b4336a90.png
[Nvidia]: http://www.nvidia.com/Download/index.aspx
[70 9]: /images/20220526/edf918bb6ede4ff5925cdba21cacc083.png
[How to install MXNet on Ubuntu 18.04]: https://medium.com/@at15/install-mxnet-on-ubuntu-18-04-8039f63b32e1
[70 10]: /images/20220526/94b2c9dfa58f4fa5af49b644eee7d5ba.png
[cuDNN7.1.3 for CUDA 9.1]: https://developer.nvidia.com/rdp/cudnn-download
[70 11]: /images/20220526/6d00321ab0894a0cab009f0f8c826dee.png
[70 12]: /images/20220526/90e8450f981e4074a0c6098a87ed949e.png
[70 13]: /images/20220526/95cd109dae934c9f99e923398b5db47e.png
[70 14]: /images/20220526/b47ae63da5874280a8894141de04b724.png