标签：cudnn anaconda 3.4 Ubuntu Pytorch pkgs 版本 Anaconda main
Ubuntu+Anaconda+Pytorch+Pycharm深度学习环境搭建过程
准备工作
安装显卡驱动并查看Cuda对应版本
按照ubuntu推荐的版本就好，或者可以自己去Nivdia官网查看自己显卡所对应的显卡驱动，在这不过多赘述
##通过nvidia-smi查看自己的CUDA 驱动版本
##可以看到我们这里是11.4的版本
~$ nvidia-smi
Thu Jul 7 12:32:43 2022
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 470.129.06 Driver Version: 470.129.06 CUDA Version: 11.4 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
|===============================+======================+======================|
| 0 NVIDIA GeForce ... Off | 00000000:06:00.0 Off | N/A |
| N/A 41C P0 N/A / N/A | 356MiB / 2002MiB | 26% Default |
| | | N/A |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
|=============================================================================|
| 0 N/A N/A 2802 G gnome-control-center 1MiB |
| 0 N/A N/A 22384 G /usr/lib/xorg/Xorg 128MiB |
| 0 N/A N/A 22570 G /usr/bin/gnome-shell 46MiB |
| 0 N/A N/A 23781 G /usr/lib/firefox/firefox 154MiB |
| 0 N/A N/A 30282 G ...RendererForSitePerProcess 23MiB |
+-----------------------------------------------------------------------------+
##但是我们在使用nvcc -V命令后，发现CUDA版本为9.1
~$ nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2017 NVIDIA Corporation
Built on Fri_Nov__3_21:07:56_CDT_2017
Cuda compilation tools, release 9.1, V9.1.85
两者不一致，想着重装cuda呗，但是又害怕给我系统整坏了
具体原因：[显卡，显卡驱动,nvcc, cuda driver,cudatoolkit,cudnn到底是什么？]
所以选择使用Anaconda来安装虚拟环境，方便管理和日后其他环境的搭建
Anaconda
在官网Anaconda中下载对应的版本
进入下载的目录中，在终端中打开,输入.sh可执行文件
sh Anaconda3-2022.05-Linux-x86_64.sh
换源
sudo gedit ~/.condarc
将内容换成
channels:
- defaults
show_channel_urls: true
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
report_errors: false
auto_activate_base: false
创建自己的虚拟环境并激活
##这里python=x.x并不是必须的，依照自己情况而定
conda create -n your_env_name python=x.x
##激活自己的虚拟环境
~$ conda activate Mypytorch
(Mypytorch)~$
后续cuda和cudnn以及其他的一些安装包都可以在这个虚拟环境中安装
查看anaconda中cuda版本
(Mypytorch) ~$ conda search cudatoolkit
Loading channels: done
# Name Version Build Channel
cudatoolkit 9.0 h13b8566_0 anaconda/pkgs/main
cudatoolkit 9.2 0 anaconda/pkgs/main
cudatoolkit 10.0.130 0 anaconda/pkgs/main
cudatoolkit 10.1.168 0 anaconda/pkgs/main
cudatoolkit 10.1.243 h6bb024c_0 anaconda/pkgs/main
cudatoolkit 10.2.89 hfd86e86_0 anaconda/pkgs/main
cudatoolkit 10.2.89 hfd86e86_1 anaconda/pkgs/main
cudatoolkit 11.0.221 h6bb024c_0 anaconda/pkgs/main
cudatoolkit 11.3.1 h2bc3f7f_2 anaconda/pkgs/main
根据自己电脑的显卡去选择CUDA版本
查到自己需要安装的cuda版本后，执行
#x.xx是你所需要安装的版本，记得在上面serach的cuda版本中找
~$ conda install cudatoolkit=x.xx
耐心等待下载完成
安装对应版本的cuDNN
在截取的部分中，我们看到CUDA 11.x对应cuDNN v8.2.1
#通过conda search也能够知道自己所需要下载的版本
(Mypytorch)~$ conda search cudnn
Loading channels: done
# Name Version Build Channel
cudnn 7.0.5 cuda8.0_0 anaconda/pkgs/main
cudnn 7.1.2 cuda9.0_0 anaconda/pkgs/main
cudnn 7.1.3 cuda8.0_0 anaconda/pkgs/main
cudnn 7.2.1 cuda9.2_0 anaconda/pkgs/main
cudnn 7.3.1 cuda10.0_0 anaconda/pkgs/main
cudnn 7.3.1 cuda9.0_0 anaconda/pkgs/main
cudnn 7.3.1 cuda9.2_0 anaconda/pkgs/main
cudnn 7.6.0 cuda10.0_0 anaconda/pkgs/main
cudnn 7.6.0 cuda10.1_0 anaconda/pkgs/main
cudnn 7.6.0 cuda9.0_0 anaconda/pkgs/main
cudnn 7.6.0 cuda9.2_0 anaconda/pkgs/main
cudnn 7.6.4 cuda10.0_0 anaconda/pkgs/main
cudnn 7.6.4 cuda10.1_0 anaconda/pkgs/main
cudnn 7.6.4 cuda9.0_0 anaconda/pkgs/main
cudnn 7.6.4 cuda9.2_0 anaconda/pkgs/main
cudnn 7.6.5 cuda10.0_0 anaconda/pkgs/main
cudnn 7.6.5 cuda10.1_0 anaconda/pkgs/main
cudnn 7.6.5 cuda10.2_0 anaconda/pkgs/main
cudnn 7.6.5 cuda9.0_0 anaconda/pkgs/main
cudnn 7.6.5 cuda9.2_0 anaconda/pkgs/main
cudnn 8.2.1 cuda11.3_0 anaconda/pkgs/main
#下载对应版本即可
~$ conda install cudnn=x.xx
耐心等待下载完成
安装pytorch
选择需要的pytorch版本和对应的cuda版本
假设我们安装 pytorch=1.10.0
# CUDA 11.3
~$ conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cudatoolkit=11.3 -c pytorch
耐心等待下载完成即可
下载完成后别急着验证，我们先安装一些依赖
~$ conda install numpy mkl cffi
耐心等待下载完成
环境验证
(Mypytorch)~$ python
Python 3.6.13 |Anaconda, Inc.| (default, Jun 4 2021, 14:25:59)
[GCC 7.5.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> torch.cuda.is_available()
True #返回true，说明环境配置成功
至此，深度学习环境基本配置完成
Pycharm
在环境配置完成后，单纯的使用命令行肯定是不方便我们开发的，所以博主采用pycharm进行后续的学习
具体操作见上述博文，不在此赘述
在新建项目中，选择先前配置的解释器，找到之前所配置的conda环境，之后点击创建即可
简单测试，验证完成
后记
博主后续的学习需要用到opencv，胡乱在conda中下载了一个版本，能用，但是在pycharm中没有代码补全功能，试了网上的很多办法，并不能够解决自己的问
题，后面发现需要python版本与opencv版本对应，才是保险不容易出错的办法
方法如下:
#查看自己虚拟环境中的python版本
(Mypytorch) ~$ python --version
Python 3.6.13 :: Anaconda, Inc.
网站内链接中的cp36、cp27即表示对应的python3.6、python2.7
从中找到自己所对应的opencv版本即可
#利用如下命令可以找到opencv-python有多少版本
(Mypytorch)~$ pip install opencv-python==
ERROR: Could not find a version that satisfies the requirement opencv-python== (from versions: 3.1.0.5, 3.2.0.7, 3.2.0.8, 3.3.0.9, 3.3.0.10, 3.3.1.11, 3.4.0.12, 3.4.0.14, 3.4.1.15, 3.4.2.16, 3.4.2.17, 3.4.3.18, 3.4.4.19, 3.4.5.20, 3.4.6.27, 3.4.7.28, 3.4.8.29, 3.4.9.31, 3.4.9.33, 3.4.10.35, 3.4.10.37, 3.4.11.39, 3.4.11.41, 3.4.11.43, 3.4.11.45, 3.4.13.47, 3.4.14.51, 3.4.14.53, 3.4.15.55, 3.4.16.57, 3.4.16.59, 3.4.17.61, 3.4.17.63, 3.4.18.65, 4.0.0.21, 4.0.1.23, 4.0.1.24, 4.1.0.25, 4.1.1.26, 4.1.2.30, 4.2.0.32, 4.2.0.34, 4.3.0.36, 4.3.0.38, 4.4.0.40, 4.4.0.42, 4.4.0.44, 4.4.0.46, 4.5.1.48, 4.5.2.52, 4.5.2.54, 4.5.3.56, 4.5.4.58, 4.5.4.60, 4.5.5.62, 4.5.5.64, 4.6.0.66)
ERROR: No matching distribution found for opencv-python==
下面使用
#清华源下载，快很多
~$ pip install opencv-python==3.2.0.7 -i https://pypi.tuna.tsinghua.edu.cn/simple
代码提示出现，完成配置
引用
深度学习环境配置 Ubuntu 18.04 + Anaconda + CUDA + Cudnn + Pytorch 【亲测可用】
标签：cudnn,anaconda,3.4,Ubuntu,Pytorch,pkgs,版本,Anaconda,main 来源： https://www.cnblogs.com/recordli/p/16454974.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。