Ubuntu18.04下安装pytorch详细步骤

拼搏现实的明天。 2023-03-01 05:34 31阅读 0赞

**说明：**  
使用系统为Ubuntu18.04，CUDA版本为10.2，CUDNN为7.6.5

## 1、Anaconda的下载安装 ##

到[官网][Link 1]进行下载，我下载的是Anaconda3-2020.02-Linux-x86\_64.sh之后使用命令 `bash Anaconda3-2020.02-Linux-x86_64.sh`,一直按回车，知道出现yes位置，之后会默认安装。  
安装成功后我没有截图，这个没有其他疑问，可以一路执行到底。

## 2、查看自己的Python版本 ##

使用anaconda后，系统的默认Python版本会被替换，在终端中输入Python，会显示系统版本。这个是我的。

![在这里插入图片描述][20200722105903212.png]

## 3、关于环境变量 ##

参考了很多blog，均提到要进行环境变量设置，但是我在安装过程中，直接提示已经完成，因此没有环境变量配置的步骤

## 4、安装cuda ##

**4.1NVIDIA驱动安装**  
**4.1.1首先去查看自己的设备是否支持。**  
网址：[显卡支持][Link 2]  
Ubuntu18.04中自带了NVIDIA驱动，但没有完整安装，使用命令`ubuntu-drivers devices`可查看当前的设备和驱动。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70]  
**4.1.2之后选择安装所有驱动：**

sudo ubuntu-drivers autoinstall

**4.1.3**安装完成之后**重启电脑**。  
**4.1.4**重启之后使用命令`sudo nvidia-smi`验证是否安装成功。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70 1]

## 4.2安装依赖库 ##

在终端输入：

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev
    sudo apt-get install libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

## 4.3安装cuda ##

**4.3.1**首先去[官网][Link 3]查看自己的显卡设备支持的cuda版本  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70 2]  
**4.3.2**如果下载安装错了删除也是件麻烦的事，[卸载方法][Link 4]：  
**4.3.3**找到设备支持后，下载对应的版本进行安装：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70 3]  
时间可能有点长，我搭了梯子，速度很快…  
**4.3.4**进入下载目录，打开终端，输入：

sudo sh cuda_10.1.243_418.87.00_linux.run

稍等几分钟之后，会出现下面这个截图，其中【x】是需要安装的，我之前安装了驱动，现在只安装其余的内容  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70 4]  
选中install回车，之后会出现是否接受安装，输入accept  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70 5]  
安装前会提示安装的内容，不需要执行操作，等待安装结束。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70 6]  
**4.3.5测试是否安装成功。**  
在终端中输入：

cd /usr/local/cuda-10.1/samples/1_Utilities/deviceQuery
    sudo make
    sudo ./deviceQuery

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70 7]  
出现PASS，说明安装成功了。

## 4.4安装cudnn ##

**4.4.1**去[官网][Link 5]查看适合自己的cudnn版本，该版本需要与自己的系统和cuda相匹配。  
下载需要[注册][Link 6]一个账户，账户注册成功之后才允许下载。  
我安装的是下面这个，使用的是**方法2**，因为第一种需要设置目录，怕出错。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70 8]**4.4.2**安装命令：

sudo dpkg -i sudo dpkg -i libcudnn7_7.6.5.32-1+cuda10.2_amd64.deb
        sudo dpkg -i sudo dpkg -i libcudnn7_7.6.5.32-1+cuda10.2_amd64.deb
        sudo dpkg -i sudo dpkg -i libcudnn7_7.6.5.32-1+cuda10.2_amd64.deb

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70 9]  
CUDNN安装完成

## 4.5安装pytorch ##

**4.5.1**去[pytorch官网][pytorch]查看自己的适配版本：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70 10]  
**4.5.2**但是使用官网源会比较慢，因此推荐使用国内镜像  
设置Anaconda的国内镜像(已经更换请忽略)：  
添加清华源：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
    conda config --set show_channel_urls yes

添加三方conda源：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70 11]  
**4.5.3**之后使用命令`conda install pytorch torchvision cudatoolkit=10.2`进行安装，以下内容讲会被安装：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70 12]  
几分钟后安装完成（取决于网速）  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70 13]

## 5.测试安装 ##

**5.1使用命令查看torch版本**

python
    import torch
    torch.__version__

**5.2使用命令查看是否可加速：**

print(torch.cuda.is_available())

**5.3使用一个矩阵运算测试是否能正常运行：**

import torch as t
    x = t.rand(5,3)
    y = t.rand(5,3)
    if t.cuda.is_available():
        x = x.cuda()
        y = y.cuda()
        print(x+y)

这是测试结果：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70 14]  
真心不容易…

## 参考： ##

[https://blog.csdn.net/sss\_369/article/details/94592268][https_blog.csdn.net_sss_369_article_details_94592268]  
[https://blog.csdn.net/qq\_35494379/article/details/105603832][https_blog.csdn.net_qq_35494379_article_details_105603832]  
[https://blog.csdn.net/watermelon1123/article/details/88122020][https_blog.csdn.net_watermelon1123_article_details_88122020]  
[https://developer.nvidia.com/rdp/cudnn-archive][Link 5]  
[https://pytorch.org/get-started/locally/][pytorch]  
[https://blog.csdn.net/yidi0979/article/details/85121999][Link 4]

[Link 1]: https://www.anaconda.com/products/individual
[20200722105903212.png]: /images/20230209/b15df69f627a4417a6a2e26a310cadf6.png
[Link 2]: https://developer.nvidia.com/cuda-gpus
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70]: /images/20230209/ffdba49929404338907048db31076d77.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70 1]: /images/20230209/55645593f0ee44adb67b419dbb30c8a0.png
[Link 3]: https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70 2]: /images/20230209/435184f5f30a4d179e8f053563885f19.png
[Link 4]: https://blog.csdn.net/yidi0979/article/details/85121999
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70 3]: /images/20230209/cafabaaabd304f7b85338ce03f84cc44.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70 4]: /images/20230209/70fd88a071b441ae8aed681323cda969.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70 5]: /images/20230209/659756392bfe4b3e89752a306e411dcf.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70 6]: /images/20230209/937c229383d148979897b22a3124d734.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70 7]: /images/20230209/af6ac3cf2fca4c63a460058197f22607.png
[Link 5]: https://developer.nvidia.com/rdp/cudnn-archive
[Link 6]: https://login.developer.nvidia.com/login
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70 8]: /images/20230209/a9757986c5dd4b0aa517fc790d947ec8.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70 9]: /images/20230209/d143e95910564b93af9604d394eea569.png
[pytorch]: https://pytorch.org/get-started/locally/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70 10]: /images/20230209/c417e54245304a0193ebc8c894bdce8e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70 11]: /images/20230209/0b7e1eb05aa74d2b8beb478ca8f9405d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70 12]: /images/20230209/736d0e66e9844b8d859d4d669e28ee32.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70 13]: /images/20230209/d94e4ac03b33460a991333823bef06be.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NTg4NTIzMg_size_16_color_FFFFFF_t_70 14]: /images/20230209/964447dc07c94ea4a3dcd2fa3d4d9df6.png
[https_blog.csdn.net_sss_369_article_details_94592268]: https://blog.csdn.net/sss_369/article/details/94592268
[https_blog.csdn.net_qq_35494379_article_details_105603832]: https://blog.csdn.net/qq_35494379/article/details/105603832
[https_blog.csdn.net_watermelon1123_article_details_88122020]: https://blog.csdn.net/watermelon1123/article/details/88122020