简单记录配置深度学习环境（Ubuntu+Pytorch）

安装INVIDIA显卡驱动

• Ubuntu推荐安装 ：
  1、查看ubuntu驱动：ubuntu-drivers devices
  
  2、安装Ubuntu推荐的显卡驱动：sudo apt install nvidia-driver-545
  3、重启机器：reboot
  4、验证安装结果：nvidia-smi
  

• INVIDIA第三方安装 ：
  1、查看显卡型号：lspci -vnn | grep NVIDIA
  2、去英伟达官网下载相应驱动：英伟达显卡驱动
  3、禁用虚拟机自带的显卡驱动：
  执行：sudo vim /etc/modprobe.d/blacklist.conf
  添加： blacklist nouveauoptions 和nouveau modeset=0
  更新内核：sudo update -initramfs -u
  4、安装显卡驱动：sh 英伟达显卡驱动.run
  5、重启机器：reboot

• 需要注意的点：
  注意点：一般VMware Workstation创建出来的Ubuntu虚拟机是无法使用主机显卡的，一般的解决方案就是GPU直通和使用VGPU技术，对于这两种解决方案来说，都需要使用VMware vSphere，尤其是使用VGPU的话，还需要去安装VMware的英伟达驱动，很麻烦，据了解还需要有相应的license才最终能实现使用。

安装cuda

• 获取cude版本 ：
  1、查看最高支持的cuda版本：nvidia-smi
  2、下载cuda:https://developer.nvidia.com/cuda-toolkit-archive
  3、安装cuda:sh cuda安装包.run --override
  4、图像化安装，在最后一步，第一项驱动不选，第二项选上，其他可选。
  5、配置环境变量：sudo vim ~/.brashrc
  添加：export PATH="/usr/local/cuda-11.3/bin:$PATH"
  以及export LD_LIBRARY_PATH="/usr/local/cuda-11.3/lib64:$LD_LIBRARY_PATH"
  执行：source ~/.bashrc
  5、验证安装：nvcc -V
• 需要注意的点
  1、注意安装完成以后需要配置环境变量，否则运行不了
  2、版本需要选择正确，否则也会失败
  3、分用户使用的话最好不要装在/root下面

安装anaconda

1. 下载anaconda ：https://www.anaconda.com/download#downloads
2. 安装anaconda ：执行：sh anaconda安装包.run
3. 需要注意的点：加入用root用户安装的话最好更改安装路径，否则其他普通用户用不了
4. conda常见的命令：
   1、查看当前具有的环境：conda info -e
   2、创建新环境：conda create -n环境名称 python=x.x
   3、进入环境：source activate 环境名称
   4、退出环境：conda deactivate
   5、删除环境：conda remove --name 环境名称 --all
   注意：有时候conda比较慢的时候可能需要更换镜像源

安装pytorch

1. 下载pytorch ：https://pytorch.org/
2. 安装pytorch ：一般是根据pytorch官网给出的命令去安装，前提最好更换成国内的镜像源
3. 验证安装结果：import torch + print(torch.cuda.is_available());结果为报错，且返回TRUE，说明GPU版本安装成功。（进入python中执行，不是shell命令）
4. 需要注意的点：更换国内镜像源，根据项目要求的pytorch版本去安装；看清楚是GPU版本还是CPU版本

导出虚拟机

• 导出步骤
  1、关闭虚拟机
  2、文件导出为OVF文件（文件比较大，一共有四个）
• 需要注意的点
  导出以后一定要考虑虚拟机的兼容性配置

总结

1、安装这一套环境一定需要注意版本之间的对应关系
2、要注意区分是root安装还是普通用户安装
3、配置环境变量的时候也需要注意是全局的还是所属用户的
4、虚拟机迁移一定要考虑兼容性配置
5、pip换源以及conda换源要考虑备份，如果换源失败还能会退回来
6、创建或者运行项目最好在独立的虚拟环境中，这样迁移环境会比较方便