【软件安装】Ubuntu22.04下深度学习环境安装指南
|
1,439
|
0
|
软件装维

1204 字
|
6 分钟

假设，现在你的系统是刚刚安装的Ubuntu22.04，建议使用EFI启动，BIOS启动下编译第三方内核模块会报签名错误，你在安装深度学习环境的时候，可能遇到一些我遇到的坑，或者你可以直接按照我的安装步骤安装。

首先，Tensorflow在2.10.1（最后一个支持的版本）之后就不支持Windows原生的基于CUDA环境的GPU加速了，Windows环境的同学，可以使用Tensorflow-gpu==2.10.1；对于Linux环境的同学，Tensorflow在2.11.0（最后一个Tensotflow-gpu版本）之后就不区分Tensotflow和Tensotflow-gpu了（本文发表于2023年4月19日，如之后Tensorflow重新支持Windows原生的基于CUDA环境的GPU加速，请原谅我未能及时修改，请联系我）。

对于已经安装了最新的显卡驱动，仅支持CUDA12.1的用户来说，请不要慌张，CUDA12.1无论是Windows还是Linux环境中都完全可以使用Tensorflow和Pytorch两个主流深度学习框架的。

显卡驱动

首先，你需要安装显卡驱动，显卡驱动从这里下载：https://www.nvidia.cn/Download/index.aspx?lang=cn

当然你必须选择合适的驱动版本，这个需要你根据你使用的CUDA版本来决定，尽量先单独安装驱动，以免安装CUDA时安装驱动报错。

安装依赖

在安装显卡驱动的时候可能要编译内核的一些驱动文件，所以说我们需要安装一些依赖。

sudo apt-get install g++
sudo apt-get install gcc
sudo apt-get install make
sudo apt-get install build-essential 
sudo apt-get install cmake
sudo apt-get install lightdm

当然，在此之前，我建议你更换清华源来加快下载。并且，更换清华源可以减少很多烦恼，有些软件在系统默认的源中并没有。例如Git的依赖liberror-perl，你需要更换为清华源再使用apt-get安装Git。

更换清华源的教程：https://mirrors.tuna.tsinghua.edu.cn/help/ubuntu/

更换完毕后请不要忘了更新apt-get。

sudo apt-get update

禁用nouveau

然后，你需要禁用一个名为nouveau的服务，否则，将会在安装Nvidia驱动时给你抛出一个ERROR。

在此之前，我建议你安装一个文本编辑器，Vim或者Gedit。当然，如果你喜欢使用vi也是可以的。

其中一种办法是在blacklist.conf文件末追加相关内容。

sudo gedit /etc/modprobe.d/blacklist.conf

在其文件末尾追加以下内容：

blacklist nouveau
options nouveau modeset=0

或者你也可以新建一个blacklist-nouveau.conf文件，专门用于禁用nouveau服务。当然，这两种方法的效果是一样的。

sudo vim /etc/modprobe.d/blacklist-nouveau.conf

将上述两行代码，复制于其中。

当然，这些都需要重启生效，请对你的终端输入以下代码。

sudo update-initramfs -u
sudo reboot

重启后，你需要切换为命令行模式进行安装，请按先后顺序一起按下键盘上的Ctrl+Alt+F1三个按键。

你随时可以在安装驱动成功后按先后顺序一起按下Ctrl+Alt+F7恢复图形界面。

cd $Path of Driver File$请将此处替换为你下载驱动的目录
sudo chmod +x NVIDIA-Linux-x86_64-525.105.17.run
sudo ./NVIDIA-Linux-x86_64-525.105.17.run

如果提示以下内容

Error: you appear to running an x server；please exit x before installing.

请使用-no-x-check参数，命令如下：

sudo ./NVIDIA-Linux-x86_64-525.105.17.run -no-x-check

安装过程相对简单，且过程中可能遇到的问题，在各大搜索引擎中都很容易检索得到，我就不在此赘述了。安装完成后，请在终端中输入以下命令，验证是否安装成功。

nvidia-smi

输出上图所示内容则安装成功。

CUDA Toolkit

接下来，你需要安装CUDA Toolkit，CUDA从这里下载：https://developer.nvidia.com/cuda-toolkit-archive

同样你必须选择合适的CUDA版本，要与你下载的驱动相匹配，这里我推荐使用runfile安装，Linux的runfile是自带驱动的，但是我不建议使用其自带的驱动安装，建议预先安装驱动，并取消安装位于第一行的驱动，因为我经常遇到报错的现象。

如果说你使用的环境是Pytorch，其实你只需要安装Nvida的显卡驱动和CUDA Toolkit，经过我的测试，只安装这些也可以使用Pytorch，当然为了你以后学习Tensorflow也好，为了免去一些未知的BUG也好，我还是建议你安装CUDNN和TensotRT。

上一篇