1.安装显卡Nvidia
# 删除软件及其配置文件apt-get --purge remove <package>
# 删除没用的依赖包
apt-get autoremove <package>
# 此时dpkg的列表中有“rc”状态的软件包，可以执行如下命令做最后清理：
dpkg -l |grep ^rc|awk '{print $2}' |sudo xargs dpkg -P
#输入下条命令，卸载电脑驱动
sudo apt-get purge nvidia*
#输入下条命令，把显卡驱动加入ppa（个人软件包文档，仅支持Ubuntu），类似于应用商店
sudo add-apt-repository ppa:graphics-drivers
sudo apt-get update
#识别显卡模型和推荐的驱动程序
ubuntu-drivers devices
#输入以下命令
sudo apt install nvidia-390
#一旦完成，即可重新启动系统
nvidia-smi
2.cuda和cudnn安装
cuda
下载网址：
sudo chmod a+x cuda_10.0.130_410.48_linux.run
安装
sudo ./cuda_10.0.130_410.48_linux.run --no-opengl-libs
安装过程选择
安装完成，重启机器
配置环境变量：sudo gedit ~/.bashrc
同时在文件中添加下面的内容：
export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
更新源文件，并且检查CUDA是否安装成功:
source ~/.bashrc
nvcc -V
cudnn
https://developer.nvidia.com/rdp/cudnn-archive
安装CUDNN7.4.2,这里安装顺序一定要如下所示：
sudo dpkg -i libcudnn7_7.5.0.56-1+cuda10.0_amd64.deb
sudo dpkg -i libcudnn7-dev_7.5.0.56-1+cuda10.0_amd64.deb
sudo dpkg -i libcudnn7-doc_7.5.0.56-1+cuda10.0_amd64.deb
把此文件复制到/usr/local/cuda/include文件夹下面,并修改权限：
sudo cp /usr/include/cudnn.h /usr/local/cuda/include
sudo chmod a+x /usr/local/cuda/include/cudnn.h
检测是否安装成功：cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
3.安装Anaconda
到这里下载对应的版本
https://repo.continuum.io/archive/
下载好了之后打开终端执行下面操作
sudo bash Anaconda3-5.3.1-Linux-x86_64.sh
#除了最后一个输入no(Microsoft VSCode)其它的一路默认或者输入yes
# 将anaconda的bin目录加入PATH，根据版本不同，也可能是~/anaconda3/bin
echo 'export PATH="/home/lqs/anaconda3/bin:$PATH"' >> ~/.bashrc
# 更新bashrc以立即生效
source ~/.bashrc
#查看conda版本
conda -V
#查看python版本
python
卸载看这里
4.安装pytorch
方法1:
到这里下载对应的pytorch版本
https://download.pytorch.org/whl/torch_stable.html
我cuda11.2下载的是
torch-1.8.1+cu111-cp37-cp37m-linux_x86_64.whl
torchvision-0.9.1+cu111-cp37-cp37m-linux_x86_64.whl
torchaudio-0.8.1-cp37-cp37m-linux_x86_64.whl
然后打开终端依次执行
pip install torch-1.8.1+cu111-cp37-cp37m-linux_x86_64.whl
pip install torchvision-0.9.1+cu111-cp37-cp37m-linux_x86_64.whl
pip install torchaudio-0.8.1-cp37-cp37m-linux_x86_64.whl
检验安装成功与否
python
import torch
torch.__version__
torch.cuda.is_available()
#显示为True成功
x=torch.ones(5,3)
x.cuda()
方法2：
另一种方式安装
方法3：
通过官方网站安装
pip3 install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html
5.安装Tensorflow
- 通过tensorflow查看GPU信息
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
- 若你安装的tensorflow是2.4.1
pip install --ignore-installed --upgrade tensorflow-gpu
中间缺什么安装什么
验证
import tensorflow as tf
import timeit
with tf.device('/cpu:0'):
cpu_a = tf.random.normal([10000, 1000])
cpu_b = tf.random.normal([1000, 2000])
print(cpu_a.device, cpu_b.device)
with tf.device('/gpu:0'):
gpu_a = tf.random.normal([10000, 1000])
gpu_b = tf.random.normal([1000, 2000])
print(gpu_a.device, gpu_b.device)
def cpu_run():
with tf.device('/cpu:0'):
c = tf.matmul(cpu_a, cpu_b)
return c
def gpu_run():
with tf.device('/gpu:0'):
c = tf.matmul(gpu_a, gpu_b)
return c
# warm up 这里就当是先给gpu热热身了
cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print('warmup:', cpu_time, gpu_time)
cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print('run time:', cpu_time, gpu_time)
6.安装Opencv
下载链接
https://pypi.tuna.tsinghua.edu.cn/simple/opencv-python/
python -m pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple
# 安装不成功
# 从上面链接下载opencv_python-4.4.0.46-cp37-cp37m-manylinux2014_x86_64.whl
pip install opencv_python-4.4.0.46-cp37-cp37m-manylinux2014_x86_64.whl
7. FFMPEG
https://blog.csdn.net/weixin_43412762/article/details/135006886
8.卸载一些不必要的预装软件
卸载libreoffices
sudo apt-get remove libreoffice-common
导航栏放在底部
gsettings set com.canonical.Unity.Launcher launcher-position Bottom
