大家好，又见面了，我是你们的朋友全栈君。
硬件环境： 自己的笔记本电脑 CPU：i5-4210M GPU：NVIDIA Geforce 940M
1 Anaconda3的安装与配置
1.1 下载
可以到Anaconda官网下载 历史版本：https://repo.anaconda.com/archive/ 国内的下载速度可能比较慢，选择到清华大学开源软件镜像站下载。 我使用的python 3.6.9,下载对于的Anaconda版本是5.1.0版本
1.2 安装
下载完之后是后缀.sh文件
在终端输入：
代码语言：javascript复制bash Anaconda3-5.1.0-Linux-x86_64.shWelcome to Anaconda3 5.0.1
In order to continue the installation process, please review the license
agreement.
Please, press ENTER to continue
>>> 按回车
#然后一直按回车到协议完毕
#出现：
Do you accept the license terms? [yes|no]
>>>输入yes
#下面就是问你安装目录，建议就是默认的安装路径，直接按回车
Anaconda3 will now be installed into this location:
/home/mayunteng/anaconda3
- Press ENTER to confirm the location
- Press CTRL-C to abort the installation
- Or specify a different location below
[/home/mayunteng/anaconda3] >>> 按回车
#接下来就是等待安装完成
#注意安装完成以后会询问你是否把anaconda3的路径加到环境变量里去，一定要选yes,一定要选yes,一定要选yes。1.3 切换默认Python版本
查看Python版本（此步为管理员操作，普通用户请跳过） 终端输入python查看版本，如果默认不是python3，则在终端输入：
代码语言：javascript复制sudo update-alternatives --install /usr/bin/python python /usr/bin/python2 100
sudo update-alternatives --install /usr/bin/python python /usr/bin/python3 150执行完上述两行命令之后在终端输入python，如果第一行信息是3.6，则成功。效果图如下：
如果要切换到Python2，执行：
代码语言：javascript复制sudo update-alternatives --config python1.4 添加环境变量
将Python添加到环境变量中. 如果在安装Anaconda的过程中没有将安装路径添加到系统环境变量中，需要在安装后手工添加. 第一步：打开bashrc文件.
代码语言：javascript复制vim ~/.bashrc第二步：在文件末尾处添加以下语句
代码语言：javascript复制export PATH=/home/XXX/anaconda3/bin:$PATH XXX为自己的用户名
(我的用户名是lirui,实际中要按照自己的用户名，这个也就是anaconda的安装目录)
1.5 使环境变量生效
让etc/profile文件修改后立即生效， 在终端输入：
代码语言：javascript复制source ~/.bashrc至此，Anaconda安装成功！ 如果没有成功，重启系统即可。 也可以在终端输入
代码语言：javascript复制echo $PATH查看已有的环境变量 ,确认输出是否已经有Anaconda路径了。 终端输入python，可以看到有Anaconda出现，安装成功。
2 安装CUDA和CUDNN
2.1 NVIDIA驱动安装
在安装之前你要先查看你的电脑是否支持GPU运算,否则你也不用安装了。 拿着这个图形卡驱动到NAVIDIA官网去查是不是支持GPU运算。
网址是：https://developer.nvidia.com/cuda-gpus
打开后的界面大致如下，只要里边有你的型号就可以用GPU运算：
Ubuntu18.04自带了NVIDIA驱动，但是它没有安装完整，不能在终端使用nvidia-smi命令查看，在之后的CUDA编译测试里面也会出现问题，因此需要重新安装。重新安装的方式如下：
首先，检测你的NVIDIA图形卡和推荐的驱动程序的模型，在终端输入：
代码语言：javascript复制ubuntu-drivers devices
从中可以看到，这里有一个设备是Geforce 940M，对应的驱动是NVIDIA -440，所以安装440版本的驱动。安装驱动有两种方法：
- 方法一、选择安装所有推荐的驱动.
sudo ubuntu-drivers autoinstall- 方法二、只安装其中一个驱动.
sudo apt install nvidia-440这里我们选择第一种方式，安装完成后记得重启电脑！重启电脑！重启电脑！ 最后验证是否安装成功，输入 sudo nvidia-smi
最好找到系统设置的“详细信息”部分，查看一下自己的图形卡是否已经是刚才的显卡。
2.2 GCC降级
因为Ubuntu18.04默认gcc7.0，而CUDA9.0只支持gcc6.0及以下版本，因此需要降级，这里选择降级到的版本是gcc5.5版本。 安装
代码语言：javascript复制sudo apt-get install gcc-5 g -5装完后进入到/usr/bin目录下,执行 ls -l gcc*
可以看到gcc连接到gcc7,我们要更改gcc链接。方法如下:
代码语言：javascript复制sudo mv gcc gcc.bak #备份
sudo ln -s gcc-5 gcc #重新链接对g 做同样的修改：
代码语言：javascript复制ls -l g *
sudo mv g g .bak
sudo ln -s g -5 g 最后看gcc和g 版本号,如果是5.5代表修改成功：
2.3 安装依赖库
在终端输入：
代码语言：javascript复制sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev
sudo apt-get install libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev成功安装完依赖库！
2.4 安装CUDA
我是选择的CUDA 9.0和CUDNN 7.05
只要记住CUDA的选择要根据CUDNN的型号来选，即CUDA的版本一定要和CUDNN的版本对应，必须是CUDNN支持的版本！
首先去官网下载CUDA安装包，注意根据你的系统选，最后一项选择runfile(local)。
CUDA最新版下载地址：https://developer.nvidia.com/cuda-downloads
以前版本的CUDA：https://developer.nvidia.com/cuda-toolkit-archive 找到我要下载的CUDA 9.0版本下载，时间有点长，下完安装就好了，几个小的更新包可以不安装。
进入刚刚下载的CUDA包的路径，执行命令：
代码语言：javascript复制sudo sh cuda_9.0.176_384.81_linux.run一路按enter,结束协议后的设置如下，注意：第三个选项问是否安装NVIDIA Accelerated Graphics Driver驱动，选否
安装剩下的四个插件
代码语言：javascript复制sudo sh cuda_9.0.176.1_linux.run
sudo sh cuda_9.0.176.2_linux.run
sudo sh cuda_9.0.176.3_linux.run
sudo sh cuda_9.0.176.4_linux.run添加环境变量
代码语言：javascript复制sudo gedit ~/.bashrc在末尾添加：
代码语言：javascript复制export PATH=/usr/local/cuda-9.0/bin${
PATH: :${
PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda9.0/lib64${
LD_LIBRARY_PATH: :${
LD_LIBRARY_PATH}}
export CUDA_HOME=/usr/local/cuda-9.0测试CUDA 我在装的时候出现了Warning提示，然后就测试了一下：
代码语言：javascript复制cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
sudo make
sudo ./deviceQuery
显示 PASS，安装成功。
2.5 安装CUDNN
首先是下载CUDNN,前面在下载CUDA的时候就已经说过，CUDA要对应CUDNN的版本，我选择的是CUDA9.0 CUDNN7.05的版本。
要先注册登录，填一个调查问卷方可下载
官网：https://developer.nvidia.com/cudnn
选择cudnn v7.05 for cuda9.0 linux 下载完毕后，切到默认的Downloads文件夹，可以看到 cudnn-9.1-linux-x64-v7.tgz 压缩包，先解压，然后将其中的内容复制到CUDA安装文件夹里面.
代码语言：javascript复制sudo cp cuda/include/cudnn.h /usr/local/cuda/include #注意，解压后的文件夹名称为cuda ,将对应文件复制到 /usr/local中的cuda内
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*到此处，CUDNN安装就完成。
3 安装Pytorch
可以参考博客：https://blog.csdn.net/red_stone1/article/details/78727096 这里推荐使用离线安装，不易出错，一劳永逸。
安装包下载地址：https://pytorch.org/previous-versions/ 这里我下载的是cu90/torch-0.3.0.post4-cp36-cp36m-linux_x86_64.whl版本的，0.3.0代表torch的版本，cp36代表支持的python版本，我的是python是3.6所以选择了cp36,linux_x86_64代表linux系统下的64位版本,cu90代表支持cuda9.0版本。
进入安装包的路径，执行：
代码语言：javascript复制pip install torch-0.3.0.post4-cp36-cp36m-linux_x86_64.whl 接着执行：
代码语言：javascript复制pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torchvision然后验证pytorch和torchvision是否安装成功,在python命令行输入import torch,无警告代表成功。
代码语言：javascript复制lirui@lirui:~/下载$ python
Python 3.6.4 |Anaconda, Inc.| (default, Jan 16 2018, 18:10:19)
[GCC 7.2.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> 至此，Pytorch安装成功！ 最后，我们测试一下安装完这些能不能使用GPU加速： 打开Python,输入以下命令：
代码语言：javascript复制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)最后输出下面的界面代表成功调用GPU加速，否则没有成功调用。
代码语言：javascript复制 0.6720 0.8196 0.3007
1.1233 0.4768 0.9952
0.5416 0.4801 1.5302
0.3140 0.8989 0.1525
1.3961 1.2157 0.5667
[torch.cuda.FloatTensor of size 5x3 (GPU 0)]装起来太难了，整个过程搞了快一天，真心好累
判断pytorch是否支持GPU加速
代码语言：javascript复制import torch as t
print(t.cuda.is_available())输出为:True，即安装成功
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/189062.html原文链接：https://javaforall.cn
