admin 管理员组

文章数量: 887019

安装过程

  • （1）安装 Ubuntu
    • 1.1 安装 ultraiso
    • 1.2 下载 ubuntu 18.4 系统
    • 1.3 制作U盘启动盘
    • 1.4 安装操作
    • 1.5 磁盘格式化和挂载
  • （2）安装 CUDA 环境
    • 2.1 显卡驱动安装
    • 2.2 下载 cuda
  • （3）安装 Anaconda 环境
    • 3.1 下载
    • 3.2 安装
    • 3.3 配置conda源
      • 3.3.1 中科大的源
      • 3.3.2 清华的源
    • 3.4 配置pip的源

      公司有台有显卡（RTX2070）的PC机器从上一个项目淘汰下来，我就准备在上面安装上pytorch的环境准备在上面跑一些深度学习的实验，说干就干。因为只在物理机上安装过windows 系列的操作系统，用的U深度、大白菜、老毛桃之类的U盘启动来安装，经过多次尝试发现安装Linux系统不行。因此就需要 ultraiso 工具来制作U盘启动盘来安装系统。
      本操作文档仅作为操作记录使用，希望可以帮到初次安装的同学，自己也可以整理下思路，一举两得。

（1）安装 Ubuntu

1.1 安装 ultraiso

下载地址：https://cn.ultraiso/xiazai.html

下载后可以免费试用，当然土豪也可以付费，o(￣︶￣)o

1.2 下载 ubuntu 18.4 系统

下载地址可以参考：https://ubuntu/download/alternative-downloads
https://releases.ubuntu/18.04/ubuntu-18.04.6-desktop-amd64.iso.torrent

下载BT种子，直接用迅雷打开就行，下载速度非常快。

1.3 制作U盘启动盘

下载好 ubuntu 系统，然后打开 ultraiso 软件 > 文件 > 打开 > 找到刚才下载的iso文件

开始刻录iso文件，启动 > 写入硬盘映像

先格式化U盘，然后再写入操作系统的光盘映像

经过几分钟的写入过程，启动盘就弄好了。

1.4 安装操作

下面应该是大家很熟悉的过程了，进入机器的BIOS，选第一启动项是U盘，然后重启，然后就进入 ubuntu 的安装界面了，这个应该很容易了。

1.5 磁盘格式化和挂载

因为公司电脑主磁盘是250G的固态硬盘，挂载了一个1T的机械硬盘，因此需要把外挂的1T磁盘作为数据盘挂载到系统里面，本文选择了使用图形化的工具 GParted 进行格式化硬盘，参考文档：https://blog.csdn/jingsiyu6588/article/details/88416505

系统安装在了主磁盘，总共250G

你可以通过这个工具来自主的删除和格式化磁盘。本磁盘是总共1T，使用的文件系统是ext4，下面通过通过命令行挂载新的磁盘。

#创建新的挂载目录
sudo mkdir /data
#目录修改成当前用户
sudo chown parim:parim /data
#挂载
sudo mount /dev/sda1 /data
#修改配置文件，重启自动挂载
sudo vi /etc/fstab
增加如下内容
 /dev/sda1 /data ext4 defaults 0 0

这是我已经挂到了/data 目录下的图片

可以重启机器，看看磁盘是不是已经挂载好了

（2）安装 CUDA 环境

2.1 显卡驱动安装

安装驱动有很多方法，可以参考这个文章：https://zhuanlan.zhihu/p/59618999
方法一：图形化安装 （推荐）

可以看到已经默认安装了一个开源的驱动

我们可以从列表里面自行选择一个驱动，比如现在最新的495版本的驱动

选择后，系统会自动下载驱动并安装：

方法二：命令行自动安装
如果同意安装推荐版本，那我们只需要终端输入：sudo ubuntu-drivers autoinstall 就可以自动安装了。
当然我们也可以使用 apt 命令安装自己想要安装的版本，比如我想安装 470 这个版本号的版本，终端输入：sudo apt install nvidia-470 就自动安装了。
安装过程中按照提示操作，除非你知道每个提示的真实含义，否则所有的提示都选择默认就可以了，安装完成后重启系统，NVIDIA 显卡就可以正常工作了。安装完成后你可以参照 https://linuxconfig/benchmark-your-graphics-card-on-linux 上的介绍测试你的显卡。

方法三：下载驱动安装

因为 CUDA 的安装包里面的 驱动程序一般都不能用，需要自己根据显卡型号和操作系统来进行安装驱动。
地址：https://www.nvidia/geforce/drivers/
自行选择显卡型号和操作系统等信息：

下载最新的就行：

接着需要先安装一些 NVIDIA 显卡依赖的软件，在终端依次执行如下命令：

sudo dpkg --add-architecture i386
sudo apt update
sudo apt install build-essential libc6:i386


Ubuntu 系统默认安装好是使用的一个开源的驱动：nouveau，我们要安装官方的驱动需要先禁用这个开源驱动，方法如下，依次执行：

sudo bash -c "echo blacklist nouveau > /etc/modprobe.d/blacklist-nvidia-nouveau.conf"
sudo bash -c "echo options nouveau modeset=0 >> /etc/modprobe.d/blacklist-nvidia-nouveau.conf"

执行完上面两条指令后，我们使用如下命令看看是否成功禁用了开源驱动：cat /etc/modprobe.d/blacklist-nvidia-nouveau.conf。如果和下面一样，表示成功了。

$ cat /etc/modprobe.d/blacklist-nvidia-nouveau.conf
blacklist nouveau
options nouveau modeset=0

这个时候我们需要先重启一下系统，重启吧。

重启成功后打开终端，输入如下命令：sudo telinit 3。然后按快捷键：CTRL+ALT+F1 进入字符界面，输入用户名和密码，然后登录系统，进入我们保存下载 NVIDIA 驱动的目录，默认是：Downloads/ 目录，cd Downloads/，然后执行：bash NVIDIA-Linux-x86_64-418.43.bin。注意：NVIDIA-Linux-x86_64-418.43.bin 要根据你下载的驱动文件的名字相应改动。

安装过程中都点同意即可，如果你遇到下面的提示，安装下面我的输入输入后回车继续安装：

The distribution-provided pre-install script failed! Are you sure you
want to continue? -> CONTINUE INSTALLATION Would you like to run the
nvidia-xconfig utility? -> YES

安装完成后重启系统就可以点击软件列表中的 NVIDIA 的配置软件配置显卡驱动了，如果你遇到如下报错，请依次在终端输入如下命令解决：

报错：WARNING: Unable to find suitable destination to install 32-bit
compatibility libraries 解决办法： sudo dpkg --add-architecture i386 sudo
apt update sudo apt install libc6:i386

2.2 下载 cuda

因为在笔者写文章时最新的 Pytorch 最新支持的 CUDA 版本是11.3，因此咱们需要下载 11.3 的版本
从下载列表中选择 11.3 ，下载列表：https://developer.nvidia/cuda-toolkit-archive

CUDA 11.3 的下载地址：https://developer.nvidia/cuda-11.3.0-download-archive

wget https://developer.download.nvidia/compute/cuda/11.3.0/local_installers/cuda_11.3.0_465.19.01_linux.run
sudo sh cuda_11.3.0_465.19.01_linux.run

下载完之后，直接安装就行，不过我这里出现了个问题就是安装的时候出现 gcc 不存在，需要现安装gcc

安装 gcc

sudo apt-get install gcc

安装CUDA：

sudo sh cuda_11.3.0_465.19.01_linux.run


一般不安装cuda内置的驱动，按回车键取消掉


正常安装完毕：

安装完成，配置环境变量

sudo vim /etc/profile
# 在文件的顶部加入如下代码 
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
# 然后执行下面语句
source /etc/profile

注意环境变量路径，如图所示的路径。

最后查看nvcc命令

（3）安装 Anaconda 环境

3.1 下载

地址：https://www.anaconda/products/individual

3.2 安装

下载完毕后可以直接安装

sh Anaconda3-2021.11-Linux-x86_64.sh

输入yes

输入安装目录，回车是默认目录

安装完毕了，

添加环境变量

sudo vim /etc/profile
# 在文件的顶部加入如下代码 
export PATH=/home/parim/anaconda3/bin:$PATH
# 然后执行下面语句
source /etc/profile

可以测试的创建一个虚拟环境

3.3 配置conda源

因为默认的conda源一般都是国外比较慢的源，国内的话建议配置清华的源或者中科大的源

3.3.1 中科大的源

  • 中科大
conda config --add channels https://mirrors.ustc.edu/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu/anaconda/cloud/menpo/

设置搜索时显示通道地址

conda config --set show_channel_urls yes

3.3.2 清华的源

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

3.4 配置pip的源

  • pip 清华
pip config set global.index-url https://pypi.tuna.tsinghua.edu/simple
  • pip 阿里云
pip config set global.index-url http://mirrors.aliyun/pypi/simple/

本文标签： 简明 物理 图文 教程 CUDA

版权声明：本文标题：物理机安装 Ubuntu18.04 + CUDA + Anaconda （简明图文教程） 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.freenas.com.cn/jishu/1715761766h646516.html， 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。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。