- 一、Anaconda的安装
- Anaconda下载
- Anaconda安装
- Anaconda校验
- 二、Nvidia显卡驱动的安装
- Nvidia驱动下载及安装
- Nvidia驱动激活
- 注意：仔细阅读
- Nvidia驱动校验
- 三、CUDA安装
- CUDA下载
- CUDA安装
- CUDA校验
- 四、Pytorch安装
- 更换conda镜像源
- 创建conda虚拟环境
- 安装Pytorch！！！
- 注意
- 最终，完成安装，文章书写不易，记得双击三连加关注哟！
- 官网安装 Anaconda
- (荐)清华镜像源安装 清华大学开源软件镜像站
点击上述链接，进入如网站，点击对应链接，跳转至安装包下载的页面
下载自己需要的版本（例如：Anaconda3-2021.05-Linux-x86_64.sh），一般比官网上的最新版底几个版本，但不影响使用
Anaconda安装点击确定
接下来找到安装包下载位置，用终端打开并输入
bash Anaconda3-2021.05-Linux-x86_64.sh #运行安装文件，其中后面的语句是你对应安装包的名字
接着无脑安装即可，里面的英文应该都认识，遇到 [ENTER] 按回车，遇到 yes/no 输入 yes
Anaconda校验最终，安装完成后会提示安装成功，接着关闭终端，再重新打开终端，快捷键为Ctrl/Command + Alt + T，会发现终端语句起始位置出现（base）的字样，则证明Anaconda安装成功。
conda --version #或者下面的语句 conda -V #检查conda的版本号，不报错则侧面证明Anaconda安装成功
二、Nvidia显卡驱动的安装 Nvidia驱动下载及安装内容参考自： Ubuntu18.04 安装 Anaconda3
更新，全局更新
sudo apt upgrade #更新语句
sudo add-apt-repository ppa:graphics-drivers #添加NVIDA显卡驱动库 ubuntu-drivers devices #显示可安装驱动
选择自己喜欢的驱动号进行安装，版本号最大的最新
sudo apt install nvidia-driver-495 #安装4595驱动
Nvidia驱动激活等待安装，一般在安装进度在70%左右的时候会弹出驱动安装的程序，我们要做的就是
1. Esc 确定用户协议
2. 设置密码，一定要记住，后回车Enter
3. 重复密码，后回车Enter
4. 接着会直到安装完成
注意：仔细阅读重启是会弹出驱动安装的界面，蓝屏的，不要惊慌！！
控制键盘，选择第二个 E什么的那个，具体记不清了，成查到后续补充
接着选择Continue，yes什么的
直到输入密码界面，输入刚刚的设置密码，注意，密码不可见，输入错误不要紧，可以重新输入，输入完成后回车
最后，选择Reboot的选项，系统将再次重启
至此，显卡驱动安装完成
重启，一定要重启，准备激活显卡驱动，这个其实是上面注意前的命令，怕的是重启后手足无措不足的怎么办导致错误发生
shutdown -r now #重启命令，可手动重启或终端输入此代码Nvidia驱动校验
重启后打开中终端，输入如下代码，出现如下信息，证明显卡驱动安装完成
nvidia-smi #
三、CUDA安装 CUDA下载内容参考自： 简易记录：安装GPU驱动，CUDA和cuDNN
进入CUDA官网 CUDA官网
CUDA安装在上述nvidia-smi的信息里查看CUDA版本号，下载对应版本，但建议不要下载太新的版本，根据Pytorch官网推荐的版本号下载，这边推荐11.3的版本
接着进入CUDA官网的11.3版本的开始选择，后出现下载代码，这边建议选择deb(network)
依次在终端输入官网下方对应代码
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600 sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/7fa2af80.pub sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/ /" sudo apt-get updatesudo apt-get -y install cudaCUDA校验
接着，添加环境变量并检查CUDA版本，出现版本号证明CUDA安装成功
export PATH=$PATH:/usr/local/cuda/bin #添加环境变量 nvcc -V #检查CUDA版本
基本上现在ubuntu的gcc版本都较高，使用如下代码，降版本，才可进行后续步骤
cat /proc/driver/nvidia/version #查看本来的gcc版本 sudo apt install build-essential sudo apt -y install gcc-8 g++-8 #安装gcc 8，根据报错实际情况可作调整。 sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-8 8 sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-8 8 sudo update-alternatives --config gcc #调整默认gcc，之安装gcc 8则无须执行
安装CUDA样本，进行CUDA的校验
cuda-install-samples-11.x.sh ~ #安装cuda 11.x的样本到~目录下，替换x为你的版本号 cd ~/NVIDIA_CUDA-11.x_Samples #进入Sample目录 make #有点耗时，如果系统版本不匹配，gcc版本可能会导致报错 ./1_Utilities/deviceQuery/deviceQuery #执行检查程序
出现如下结果，最后一行出现 Result = PASS，证明CUDA正常工作
四、Pytorch安装 更换conda镜像源内容参考自： 简易记录：安装GPU驱动，CUDA和cuDNN
更换conda清华镜像源，因为外网特别特别特别慢，不要问我怎么知道的，欲哭无泪
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ 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/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes创建conda虚拟环境
创建conda虚拟环境
#创建一个名为pytorch的虚拟环境，并且内置python为3.8的版本，具体想起什么名字，自己决定 conda create -n pytorch python=3.8安装Pytorch！！！
安装Pytorch，后面的11.3是你上面下载的对应的cuda的版本号，不要弄错，得下载2G多，耐心等待，还是比较快的
conda install pytorch torchvision cudatoolkit=11.3
安装完成后，进入虚拟环境
conda activate pytorch #你起的什么名字，就敲什么名字
运行python
python #就输入python即可
校验pytorch包是否安装成功，并且是否调用显卡
注意pytorch人们叫他pytorch，但倒入的包是torch
import torch torch.cuda.is_available()
最终，完成安装，文章书写不易，记得双击三连加关注哟！出现True，证明pytorch包安装成功，并且成功调用显卡
