centos下經過conda安裝pytorch

1、安裝anaconda

　anaconda安裝簡單，只要肯定本身的系統便可，具體安裝請參考這裏

 

2、肯定本身的系統版本

　個人是centos

cat /etc/redhat-release

　查看linux系統方法：

# 方法一
cat /proc/version

# 方法二
lsb_release -a

# 方法三
cat /etc/issue

# 方法四
cat /etc/redhat-release

 

3、肯定本身的CUDA版本

　什麼是cuda：

　　CUDA(ComputeUnified Device Architecture)，是顯卡廠商NVIDIA推出的運算平臺。 CUDA是一種由NVIDIA推出的通用並行計算架構，該架構使GPU可以解決複雜的計算問題

　　簡單說強大的芯片若是隻是做爲顯卡就太浪費了，所以N卡廠商推出CUDA，讓顯卡能夠用於圖像計算之外的目的

 

　什麼是cudnn：（注意：CUDA和CuDNN通常都是結伴而行，若是須要CUDA，必然會須要CuDNN）

　下載地址：注意這裏須要註冊才能下載，我用qq郵箱，密碼首字母大寫

　　CUDA看做是一個工做臺，上面配有不少工具，如錘子、螺絲刀等。cuDNN是基於CUDA的深度學習GPU加速庫，有了它才能在GPU上完成深度學習的計算。它就至關於工做的工具，好比它就是個扳手

　　可是CUDA這個工做臺買來的時候，並無送扳手。想要在CUDA上運行深度神經網絡，就要安裝cuDNN，就像你想要擰個螺帽就要把扳手買回來。這樣才能使GPU進行深度神經網絡的工做，工做速度相較CPU快不少

　　cudnn下載解壓後cuda目錄下有下面內容：

　　修改權限：

sudo cp include/cudnn.h /usr/local/cuda/include
sudo cp lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

 

　Centos7安裝NVIDIA顯卡驅動和CUDA10.1（以10.1爲例）：

　　先查看本身的linux上顯卡型號：

lspci | grep -i nvidia

 　　可見個人顯卡槓槓滴

 

　　顯卡驅動下載：（下載與本身顯卡型號一致的驅動）

 

 

 

 

 　　注意：在安裝顯卡驅動的時候若是報錯

ERROR: An NVIDIA kernel module 'nvidia-uvm' appears to already be loaded in your kernel.  This may be because it is in use (for example, by the X server), but may also happen if your kernel was configured

　　咱們須要查看是否有程序佔用（若是存在佔用，請停掉該程序）

lsof | grep nvidia.uvm

 

　　固然顯卡驅動也能夠這樣安裝：（推薦）

sudo yum install nvidia-detect  # 安裝檢查顯卡的程序
nvidia-detect -v  # 查看須要的顯卡驅動型號
yum -y install kmod-nvidia  # 安裝驅動

 　　卸載驅動：

sudo yum remove kmod-nvidia

　　

　　若是經過官網下載驅動安裝時找不到kernel，經過下面的方式安裝驅動（確保kernel已經安裝）

sudo ./NVIDIA-Linux-x86_64-430.40.run --kernel-source-path=/usr/src/kernels/3.10.0-514.el7.x86_64

　　

　　cuda下載：

　　

　　檢查linux是否安裝了GPU

lspci | grep -i nvidia

 

　　安裝 cuda 的時候，會詢問是否安裝顯卡驅動，說明 cuda 安裝程序裏包含了的顯卡驅動；建議先不要安裝 cuda 裏的顯卡驅動，待安裝完 cuda 後，執行例子程序，若是報錯再檢查顯卡驅動是否正確，避免覆蓋原來的顯卡驅動

 

　　安裝gcc、g++編譯器：先查看是否已經安裝（gcc -v）

yum install gcc
yum install g++

 

　　安裝kernel-devel和kernel-headers：

yum install kernel-devel
yum install kernel-headers

　　注意這裏的kernel要和本身的linux系統版本一致：可使用uname -r查看本身的系統版本

uname -r
#3.10.0-514.el7.x86_64

　　有時候直接yum安裝的版本比較新，致使顯卡驅動安裝失敗

sudo yum remove kernel-devel # 卸載新的
sudo rpm -i kernel-devel-3.10.0-514.el7.x86_64.rpm #下載安裝適合的版本

　　版本下載

 

　　編輯grub文件

vim /etc/default/grub

　　在GRUB_CMDLINE_LINUX中的末尾（注意要包含在引號內）添加/rd.driver.blacklist=nouveau nouveau.modeset=0

　　隨後生成配置：

grub2-mkconfig -o /boot/grub2/grub.cfg

　　

　　禁用nouveau：將blacklist nvidiafb註釋掉，並添加以下內容，禁用的緣由點擊這裏

　　　blacklist nouveau
　　　options nouveau modeset=0

 

　　更新配置並重啓：

sudo mv /boot/initramfs-$(uname -r).img /boot/initramfs-$(uname -r).img.bak
sudo dracut /boot/initramfs-$(uname -r).img $(uname -r)
reboot

　　

　　重啓後確認禁用了nouveau：

lsmod | grep nouveau
# 沒有內容輸出表示禁用成功

　　

　　賦予權限並安裝驅動和CUDA-10.0：

./NNVIDIA-Linux-x86_64-430.50.run
./cuda_10.1.243_418.87.00_linux.run

 

　　查看安裝結果

nvidia-smi

　　顯卡驅動和cuda安裝成功後，就能夠用conda install 來安裝python包了（注意：虛擬機沒法調用GPU，即便全部的環境配置好，代碼依然會報：all cuda 忙或者不可用的錯誤）

　　推薦搭建使用docker來安裝深度學習環境，方便部署

　　總結：你們能夠參考這個來安裝深度學習框架