Ubuntu20.04系统的深度学习环境搭建详细步骤总结

一、 NVIDIA 驱动安装与更新显卡驱动程序就是用来驱动显卡的程序它是硬件所对应的软件。驱动程序即添加到操作系统中的一小块代码。NVIDIA 出的 30 系显卡是只支持 cuda11 以上的版本。1.1. 首先查看电脑的显卡版本步骤为此电脑右击--管理--设备管理器--显示适配器。就可以看到电脑显卡的版本了。如图可以看到一块 RTX3060 显卡。1.2.(若电脑中未安装显卡驱动或驱动版本较老)安装对应的英伟达显卡驱动并查看该驱动所支持的CUDA版本得知显卡信息后就可以对应显卡去英伟达官网上去找相对应的显卡驱动下载更新了。显卡驱动的下载地址 下载 NVIDIA 官方驱动 | NVIDIA然后根据自己的电脑的配置去选择驱动按如下操作将驱动下载下来然后点击下载来的程序不断的下一步就好了。或者不在官网下载直接在终端下输入sudo ubuntu-drivers autoinstall 自动安装驱动。1.3. 查看显卡驱动所支持的CUDA版本安装更新显卡驱动以后我们按下 winR 组合键打开 cmd 命令窗口。输入如下命令nvidia-smi。查看该显卡驱动支持的CUDA版本如下图所示该驱动所安装的CUDA版本最高不能超过12.2。我们就可以根据上图信息来安装环境了。二、下载anaconda后在anaconda中创建新的python虚拟环境在base 环境终端中执行命令conda create -ntorchpython3.10就会创建一个新的虚拟环境这个虚拟环境会安装一些基础的包这样就在名为torch的虚拟环境中安装了 Python 3.10而不会对其他环境或全局的 Python 版本造成影响。当安装好以后执行conda env list这个命令就可以看到比多了一个 torch 这个环境。执行conda activatetorch激活torch这个环境如下图所示。现在我们可以在这个环境里面安装深度学习框架和一些 python 包了。在环境中安装pytorch(需要在官网PyTorch 中下载如下图所示安装途径选择conda安装包复制图中的run this command命令到刚刚创建的虚拟环境torch中运行即可自动安装。选择conda安装的好处是它会自动检测并安装 PyTorch 所需的这些依赖项确保所有必要的库都已正确安装且版本兼容为用户省去了手动查找和安装依赖库的繁琐过程。或者用pip安装(在激活的环境中执行下列代码)如果你需要最新版本的 PyTorch 且依赖关系简单选择 pip 安装。因为 PyPIPyPI 为官方维护的 Python 包仓库更新速度快能让你及时使用到新特性。如果你希望自动处理复杂依赖建议用 conda 安装。它能确保所有依赖版本兼容避免因依赖问题导致的安装失败或运行错误。