【Ubuntu18配置Anaconda深度学习环境】

本文涉及的产品
资源编排,不限时长
简介: 【Ubuntu18配置Anaconda深度学习环境】

1. 前言

Ubuntu环境搭建

【经典Ubuntu20.04版本U盘安装双系统教程】

【Windows10安装或重装ubuntu18.04双系统教程】

【Ubuntu同步系统时间】

【Ubuntu中截图工具】

【Ubuntu安装QQ】

【Ubuntu安装后基本配置】

【Ubuntu安装后基本配置】

【Ubuntu启动菜单的默认项】

【ubuntu系统中修改hosts配置】

【18.04Ubuntu中解决无法识别显示屏】

【ROS 开发神器 Visual Studio Code 的安装和设置】

【基于Ubuntu18.04+Melodic的realsense D435安装】

【Ubuntu18配置Anaconda深度学习环境】

【D435i深度相机YOLO V5结合实现目标检测】

ROS学习笔记

【1. Ubuntu18.04安装ROS Melodic】

【2. 在Github上寻找安装ROS软件包】

【3. 初学ROS,年轻人的第一个Node节点】

【4. ROS的主要通讯方式:Topic话题与Message消息】

【5. ROS机器人的运动控制】

【6. 激光雷达接入ROS】

【7. ROS 中的 IMU 惯性测量单元消息包】

之前在Window下安装了Anaconda,熟悉了一下安装过程,Ubuntu18.04下最难的应该就是和ROS Melodic的兼容问题。ROS1是基于Python2.7的,而Anaconda3则是python3。


为了和Windows下的保持一致,我这次选择安装的是Anaconda3-2021.05-Linux-x86_64.sh,是自带python3.8的


Anaconda的官网:https://www.anaconda.com/products/individual

过往版本:https://repo.anaconda.com/archive/

网络不怎么好的选择过往版本

2. 安装Anaconda

2.1 下载安装包

下载Anaconda3-2021.05-Linux-x86_64.sh,下载后的目录为/home/下载,在此目录下打开终端

1.png

2.png

2.2 运行安装包(.sh文件)

输入bash Ana,tab补齐,运行.sh文件:




bash Anaconda3-2021.05-Linux-x86_64.sh

接下来就是一路回车,遇到需要 yes/no 的地方选择 yes


安装完成后,


.bashrc里面加入了conda




gedit ~/.bashrc

3.png

添加Anaconda环境运行一下现在的配置




echo "source ~/anaconda3/bin/activate" >> ~/.bashrc
# 可选这项,后期运行conda自动启动环境
source ~/.bashrc

2.3 测试是否安装成功

打开终端,python的版本是3.8,conda为4.10,显示如下的版本信息,就说明anaconda已经安装好了


python



# 查看python版本
conda --version
# 查看conda版本

4.png

上面就安装成功


2.4 关闭anaconda环境

输入以下指令,关闭anaconda环境



conda deactivate

5.png


3. 在Anaconda下配置PyTorch

参考:


Ubuntu18.04 ROS 使用ANACONDA创建虚拟环境 OPENCV安装:

https://www.freesion.com/article/29561041580

yolov5环境配置-Anaconda3 + Pytorch1.8 + Cuda10.2 + cuDnn8.2.0 + opencv3.2.0:

https://blog.csdn.net/qq_38766208/article/details/121442446


首先进入Anaconda环境:




source ~/anaconda3/bin/activate

3.1 创建虚拟环境



conda create -n mytorch python=3.8

中途输入y

6.png

等待相关包安装完成


7.png


3.2 激活虚拟环境



conda activate mytorch

3.3 创建pytorch环境(1.10版本)

安装指令可以进入PyTorch官网https://pytorch.org/查找

8.png

去老版本找


9.png




conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=10.2 -c pytorch

此过程非常长,可以🌿


3.4 测试是否安装成功

在终端激活环境后,输入python,输入下列指令:

import torch
import torchvision
# 该指令显示pytorch版本
print(torch.__version__)
# 若cuda已安装,将显示true
torch.cuda.is_available()

10.png


补充:确实是因为显卡驱动没安装造成的,显卡驱动安装过程可参考:https://blog.csdn.net/gyxx1998/article/details/121757581


4. 简化指令

为命令设置别名


参考:


Anaconda 和ROS 联合使用注意事项:https://blog.csdn.net/m0_37579176/article/details/86536411


激活Anaconda环境都需要输入一堆命令,为简化这些指令,可以在~/.bashrc 中加入以下命令:




alias torch='source activate mytorch'
alias start_anaconda='source ~/anaconda3/bin/activate'
alias close_anaconda='conda deactivate'

此后输入torch即为输入source activate mytorch命令,上述命令是为命令设置别名。


如果在

~/.bashrc

文件直接加入source activate mytorch,则每次打开终端都会运行source activate mytorch命令,默认每次打开新终端都会激活此环境。


说明:


 

alias close_anaconda='source deactivate'这条指令现在已经不能用了;
    alias close_anaconda='source conda deactivate'这种质量更是个错误;
    现在应该使用的是alias close_anaconda='conda deactivate'

5.总结

下面总结流程,首先开启anaconda环境




source ~/anaconda3/bin/activate

注意:每次打开新的终端,都要重新执行指令开启anaconda环境


Anaconda虚拟环境相关指令

# 创建新的环境
conda create -n mytorch python==3.8
# 激活环境
conda activate mytorch
# 删除环境
conda remove -n mytorch --all
# 退出当前环境
conda deactivate
# 查看有那些虚拟环境
conda env list
# 查看有某个虚拟环境有那些包
conda list

关闭anaconda环境


conda deactivate
相关实践学习
使用ROS创建VPC和VSwitch
本场景主要介绍如何利用阿里云资源编排服务,定义资源编排模板,实现自动化创建阿里云专有网络和交换机。
阿里云资源编排ROS使用教程
资源编排(Resource Orchestration)是一种简单易用的云计算资源管理和自动化运维服务。用户通过模板描述多个云计算资源的依赖关系、配置等,并自动完成所有资源的创建和配置,以达到自动化部署、运维等目的。编排模板同时也是一种标准化的资源和应用交付方式,并且可以随时编辑修改,使基础设施即代码(Infrastructure as Code)成为可能。 产品详情:https://www.aliyun.com/product/ros/
目录
相关文章
|
15天前
|
Ubuntu Shell 开发工具
ubuntu/debian shell 脚本自动配置 gitea git 仓库
这是一个自动配置 Gitea Git 仓库的 Shell 脚本,支持 Ubuntu 20+ 和 Debian 12+ 系统。脚本会创建必要的目录、下载并安装 Gitea,创建 Gitea 用户和服务,确保 Gitea 在系统启动时自动运行。用户可以选择从官方或小绿叶技术博客下载安装包。
37 2
|
1月前
|
网络协议 Ubuntu 网络安全
|
1月前
|
消息中间件 监控 Ubuntu
大数据-54 Kafka 安装配置 环境变量配置 启动服务 Ubuntu配置 ZooKeeper
大数据-54 Kafka 安装配置 环境变量配置 启动服务 Ubuntu配置 ZooKeeper
79 3
大数据-54 Kafka 安装配置 环境变量配置 启动服务 Ubuntu配置 ZooKeeper
|
1月前
|
资源调度
Ubuntu22.04静态ip配置+yarn build后显示内存超限,变异失败
Ubuntu22.04静态ip配置+yarn build后显示内存超限,变异失败
40 2
Ubuntu22.04静态ip配置+yarn build后显示内存超限,变异失败
|
1月前
|
Ubuntu Linux 编译器
Linux/Ubuntu下使用VS Code配置C/C++项目环境调用OpenCV
通过以上步骤,您已经成功在Ubuntu系统下的VS Code中配置了C/C++项目环境,并能够调用OpenCV库进行开发。请确保每一步都按照您的系统实际情况进行适当调整。
308 3
|
1月前
|
Ubuntu
Ubuntu学习笔记(七):ubuntu下jupyter指定虚拟环境
本文介绍了如何在Ubuntu系统下使用Anaconda和Jupyter Notebook指定并切换不同的虚拟环境。
98 0
Ubuntu学习笔记(七):ubuntu下jupyter指定虚拟环境
|
1月前
|
机器学习/深度学习 数据挖掘 数据处理
深度学习之卫星图像中的环境监测
基于深度学习的卫星图像环境监测是指通过使用深度学习模型处理和分析来自卫星的遥感数据,以实现对地球环境的自动化监测和分析。这项技术极大提升了环境监测的效率、精度和规模,应用于气候变化研究、生态保护、自然灾害监测、城市扩张评估等多个领域。
92 0
|
1月前
|
机器学习/深度学习 人工智能 vr&ar
深度学习之实时数据驱动的虚拟环境
基于深度学习的实时数据驱动的虚拟环境是近年来在计算机图形学、人工智能和虚拟现实(VR)领域的热门话题。
35 0
|
9天前
|
机器学习/深度学习 人工智能 算法
深度学习在图像识别中的应用与挑战
本文探讨了深度学习技术在图像识别领域的应用,重点分析了卷积神经网络(CNN)的工作原理及其在处理图像数据方面的优势。通过案例研究,展示了深度学习如何提高图像识别的准确性和效率。同时,文章也讨论了当前面临的主要挑战,包括数据不足、过拟合问题以及计算资源的需求,并提出了相应的解决策略。
|
1天前
|
机器学习/深度学习 自然语言处理 语音技术
Python在深度学习领域的应用,重点讲解了神经网络的基础概念、基本结构、训练过程及优化技巧
本文介绍了Python在深度学习领域的应用,重点讲解了神经网络的基础概念、基本结构、训练过程及优化技巧,并通过TensorFlow和PyTorch等库展示了实现神经网络的具体示例,涵盖图像识别、语音识别等多个应用场景。
13 8
下一篇
无影云桌面