新安装的ubuntu双系统，从头开始搭建深度学习环境记录
文章目录
一、安装python
下载Anaconda
https://www.anaconda.com/distribution/ 选择合适的版本，右键复制链接地址，进入命令行
sudo wget -c https://repo.anaconda.com/archive/Anaconda3-2019.07-Linux-x86_64.sh
国外地址，下载比较慢
安装Anaconda
sh Anaconda3-2019.07-Linux-x86_64.sh
读协议疯狂回车，然后yes，yes，安装完成
查看是否安装成功
退出命令行，再打开一个新的，可以看到直接进入了python虚拟环境base
输入python可以看到python版本号，安装成功
取消默认进入python虚拟环境
可根据个人情况决定是否修改
conda config --set auto_activate_base false
再重新打开终端就没有base了
注：禁用后再想使用自己安装的python版本需要先进入虚拟环境 conda activate base
二、安装显卡驱动
下载驱动
首先查看显卡型号
lspci | grep -i vga
然后去NVIDIA官网查看显卡驱动版本，记得选LINUX系统，然后搜索，下载
复制链接地址到命令行用wget下载，我下载的是430.40版本驱动，根据显卡情况会有所不同
wget -c http://cn.download.nvidia.com/XFree86/Linux-x86_64/430.40/NVIDIA-Linux-x86_64-430.40.run
禁用ubuntu系统自带显卡驱动
sudo gedit /etc/modprobe.d/blacklist.conf
在配置文件的最后一行加上blacklist nouveau，保存
更新配置
sudo update-initramfs -u
之后重启系统
在别的教程看到重启系统后图形化界面可能会出现问题，点这里供参考，不过我没遇到
安装新驱动
sudo sh NVIDIA-Linux-x86_64-430.40.run
按提示确认即可
查看是否安装成功
nvidia-smi
出现以上方框即为安装成功
三、安装CUDA
下载CUDA
根据驱动版本选择合适的CUDA版本，英伟达官方给出的对应关系点这里
这里选择CUDA 10.0版本，然后进入官网下载
其它CUDA版本下载点这里，CUDA历史版本
官网下载巨慢可以先去干点别的
退出图形界面
下载完成后，先按CTRL+ALT+F2进入命令行界面，然后用下面这个命令关闭图形界面
sudo service lightdm stop
（不退出图形界面直接安装的话会报错说你的显卡在被使用blabla然后无法安装）
安装CUDA
在这个命令行界面运行安装程序
sudo sh cuda_10.0.130_410.48_linux.run
以下部分因为在命令行界面无法截图，所以只能文字描述没有图片
- 首先是一长串协议，按住回车直到阅读完毕，会问是否接受，输入accept
- 下一个提示是是否安装显卡驱动，选择no，这里很重要！！！因为我们已经装过了显卡驱动，如果这里选了yes会覆盖掉之前安装的并且出很多错= =亲身经历
- 之后的可以一路选择默认选项yes
- 然后进入安装
报错：空间不足
这里我遇到了一个错误提示tmp空间不足无法安装，查阅资料后选择新建tmp2文件夹放在home下（我装系统时home分区比较大），这个tmpdir路径可以自己设置，用如下命令安装cuda
sudo sh cuda_10.0.130_410.48_linux.run --tmpdir=/home/tmp2
然后要重新经历一遍阅读协议，accept，然后记得还是选择不安装显卡驱动！！！
之后就可以成功安装了
错误：安装CUDA后nvidia-smi命令出错
我遇到这个错误是因为装了驱动后安装CUDA时又选择了安装驱动，会覆盖掉之前装的驱动但是会出错用不了，最终解决方法是卸载CUDA卸载驱动，然后重新安装驱动安装CUDA
查看是否安装成功
nvcc -V
出现版本号即为安装成功
四、安装CUDNN
下载CUDNN
从官网下载合适的版本
下载完成后解压 tar -xzvf cudnn*.tgz
安装CUDNN
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
查看是否安装成功
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
显示如下信息即为安装成功
五、安装PyTorch
从官网下载并安装，按照自己的版本来选择，我的选择如下
将命令复制到命令行直接进行下载安装，也会下载很久可以去干点别的
如果下载多次中断可以从这里，via pip部分，按照你的CUDA版本，选择合适的whl文件下载，然后用pip进行安装
查看是否安装成功
进入python
import torch
torch.cuda.is_available()
出现True即为成功，torch可以调用GPU进行计算
参考
[1] Linux系统安装NVIDIA显卡驱动详细步骤（以Ubuntu系统为例） | 逸·文鹤
[2] 显卡驱动版本 与 cuda版本
[3] 安装CUDA时提示空间不足
[4] Ubuntu16.04下安装cuda和cudnn的三种方法（亲测全部有效）
