紧接着前几天的事：

特殊的日子，想起了当年的双(1080TI)显卡装机实录
炼丹炉买不起了:聊一聊这段日子的显卡行情
之后，决定买一台整机玩玩。

而现在，主机终于回！来！了！主机回来干什么，当然是——配置环境。

老潘之前也有一些配置环境的文章，可以参考：

ubuntu16.04下安装NVIDIA（cuda）-gtx965m相关步骤以及问题[1]
pytorch-0.2成功调用GPU：ubuntu16.04，Nvidia驱动安装以及最新cuda9.0与cudnnV7.0配置[2]
win10下安装使用pytorch以及cuda9、cudnn7.0[3]
安装cuda9.1内核问题：Unable to locate the kernel source[4]
深度学习-在ubuntu16.04安装CUDA9.1-总结(问题完全解决方案)[5]
关于在ubuntu上源码安装TensorFLow-1.7.0-cuda9.1-cudnn7.1.2过程中问题解决方案[6]
-_-|| 没想到那会写了这么多配置环境的文章，可能那会遇到的问题比较多吧…配环境什么的，其实只要严格按照步骤来一步一步配，基本上不会出现什么问题，出现问题一般都是我们某一步没有走对，而退回去再走比较麻烦而已。

而现在对于配环境来说可以是轻车熟路了(前几年不知道踩了多少坑，到现在都印象深刻)，严格按照步骤来，安装Ubuntu和配置深度学习环境，1个小时多就搞定了。

你懂得
接下来略微详细地讲一下过程。

Windows下安装Ubuntu-18.04
配置深度学习环境(Cuda+Cudnn+Pytorch+TensorRT)
主机长这样
先放一组图吧。

主机正面

躺下的主机

微星魔龙RTX3070正面

背部引线以及电源

插上显卡的主机

晚上开机长这样
晚上开机还挺炫的，但其实对于老潘来说炫不炫不重要，性能好就行…

主机配环境
主机回来店家只给我装了Windows系统，对于老潘来说，打游戏是次要的(哈哈哈哈…)，忍住了先下载一个鬼泣5玩玩的想法。先从Ubuntu官方[7]下载了官方的镜像包。

官方最新的Ubuntu是20.10，但对于搞事的人来说，还是18.04版本好一些(之前实验室用的是16.04)。

还是下载稳定版的吧
开始配置双系统，双系统是必须的，Ubuntu可以搞深度学习，也可以当服务器使，Windows则可以应付一些游戏和其他应急应用。

关于如何将下载好的Ubuntu系统镜像制作成U盘、如何安装，老潘这里不赘述了。可以看以下这篇文章，介绍的很详细，我就是按照这个严格来执行的：

Windows下安装Ubuntu详细教程[8]
当然如果有问题欢迎交流，直接留言即可~

安装过程
虽然不赘述了，但还是简单过一下：

进入BIOS，选择Ubuntu启动U盘，然后开始安装Ubuntu：

其他一路点点点，然后简单分个区。

ubuntu分区
然后开始安装…

安装ubuntu
等待半小时，装好了！

设置SSH
为什么要设置ssh，当然是想让这个Ubuntu充当一个服务器的作用，开启之后可以使用ssh登录去操作。

例如我，可以先把服务器开了，然后使用其他电脑，例如MAC，使用局域网通过SSH连接这个服务器即可。

怎么开启ssh呢？新的Ubuntu系统还没有安装SSH。

执行以下命令：

sudo apt install openssh-server
sudo systemctl start ssh.service
然后可以通过netstat -lnp | grep 22查看下开启没。

如果想要每次启动自动开启SSH，可以这样：

sudo systemctl enable ssh
这样就差不多啦。

安装NVIDIA显卡驱动
默认Ubuntu安装的是llvmpipe这个显卡驱动，这个是linux下的公用显卡驱动，现在需要换成NVIDIA的。

首先禁用nouveau。

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

加上以下这两句：

blacklist nouveau
options nouveau modest=0

禁用noueavu
保存后，然后执行：

sudo updata-initramfs -u
sudo reboot
重启后，Ctrl+Alt+F1切换到tty界面，关闭lightdm(如果没有则不用管)：

sudo service lightdm stop
然后更新一下apt源以及看一下系统推荐的NVIDIA驱动版本：

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
ubuntu-drivers devices
根据推荐的驱动版本，安装NVIDIA驱动：

sudo apt-get install nvidia-driver-460
如果嫌慢，可以添加阿里或者清华源：

sudo cp /etc/apt/sources.list /etc/apt/sources.list.bcakup
sudo gedit /etc/apt/sources.list
备份之后打开文件，添加以下源即可：

阿里云源

deb http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse

測試版源

deb http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse

源碼

deb-src http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse

測試版源

deb-src http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse

清华大学源

deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main restricted universe multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-security main restricted universe multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse

測試版源

deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse

源碼

deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main restricted universe multiverse
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-security main restricted universe multiverse
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse

測試版源

deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse
别忘了添加之后，进行更新二连：

sudo apt-get update
sudo apt-get upgrade
这样就可以顺利的安装NVIDIA驱动了。

然后下载好以下三个深度学习伴侣：

cuda+TensorRT环境包
开始安装吧！

安装Cuda、Cudnn
Cuda当然是必须要装的。

找到下载好的11.1cuda环境包(现在出来11.2了)，然后执行：

sudo sh cuda_11.1.0_455.23.05_linux.run
会出来一堆blabla的选项：

1、确保你环境里头是否有旧的cuda，有的话建议删除
2、同意条款..
3、确认是否要安装驱动、安装demo…以及安装位置确定
4、开始安装ing
对于老潘来说，上一步中已经安装了cuda驱动，不需要再装旧版的(新版驱动兼容旧版驱动匹配的cuda)，所以这里就把驱动选项去掉，其他的安装按照我的需求按部就班来就好。

cuda安装选项
注意 如果你没有root权限，无法使用sudo，想要安装cuda也是可以的。只要自定义好安装位置即可，运行如下命令即可将cuda安装到当前home下的software文件夹内：

./cuda_11.1.0_455.23.05_linux.run –silent –toolkit –toolkitpath=$HOME/software/cuda –defaultroot=$HOME/software/cuda
不论咋样安装好之后会显示：

安装好cuda的显示
按照上面的要求配置环境变量即可:

(base) oldpan@oldpan-fun:~/software$ vim ~/.bashrc

将
export PATH=/usr/local/cuda-11.1/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64:$LD_LIBRARY_PATH
添加到打开的文件中

(base) oldpan@oldpan-fun:~/software$ source ~/.bashrc
(base) oldpan@oldpan-fun:~/software$ nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2020 NVIDIA Corporation
Built on Tue_Sep_15_19:10:02_PDT_2020
Cuda compilation tools, release 11.1, V11.1.74
Build cuda_11.1.TC455_06.29069683_0
Cudnn
cudnn的安装就比较简单了，解决压缩包然后复制粘贴就行：

tar -xzvf cudnn-11.2-linux-x64-v8.1.1.33.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h
安装Anaconda
安装Anaconda也很简单，从这里[9]下载好(不想下的看老潘整理文末的软件包)：

然后sh Anaconda3-2020.11-Linux-x86_64.sh就行。

安装好之后，配置conda以及pip清华源，参考以下文字即可：

pycharm修改pip源为清华源,提高下载速度[10]
anaconda常用命令配置信息及更换源[11]
安装Pytorch
安装Pytorch就比较简单了，如果不想自己编译，直接从官方按照你的Cuda版本和Cudnn版本安装即可：

安装好Pytorch之后，测试一下cuda是否工作正常：

import torch
torch.cuda.is_available()
True
torch.ones(1).cuda()
tensor([1.], device=’cuda:0′)
torch.cudnn_is_acceptable(torch.ones(1).cuda())
True
OK~

TensorRT
TensorRT单独发一篇文章来说吧~

一些资源
配环境需要很多软件包，例如：

Anaconda
Pytorch.whl
TensorRT
CUDA
CUDNN
有些可以在清华大学开源软件镜像站[12]下载，但是TensorRT和CUDA、CUDNN需要从官方下而且需要注册而且很慢。

老潘整理了一些已经下载好的软件包。

公众号内回复015获取，可以看看有没有你需要的：

软件包
想写的还有很多，下篇再讲(呼呼)。

如果有问题欢迎留言，欢迎关注「oldpan博客」公众号，老潘的全部家当都在这里了。很愿意与你交朋友~

参考
https://www.cnblogs.com/masbay/p/10745170.html https://blog.csdn.net/ZPeng_CSDN/article/details/96726436

微信外链
[1]ubuntu16.04下安装NVIDIA（cuda）-gtx965m相关步骤以及问题: https://oldpan.me/archives/ubuntu16-04-nvidia-cuda-gtx965m

[2]pytorch-0.2成功调用GPU：ubuntu16.04，Nvidia驱动安装以及最新cuda9.0与cudnnV7.0配置: https://oldpan.me/archives/pytorch-gpu-ubuntu-nvidia-cuda90

[3]win10下安装使用pytorch以及cuda9、cudnn7.0: https://oldpan.me/archives/win10-pytorch-cuda9-cudnn7-0

[4]安装cuda9.1内核问题：Unable to locate the kernel source: https://oldpan.me/archives/install-cuda9-1-unable-to-locate-the-kernel-source

[5]深度学习-在ubuntu16.04安装CUDA9.1-总结(问题完全解决方案): https://oldpan.me/archives/ubuntu16-04-install-cuda9-1-solution

[6]关于在ubuntu上源码安装TensorFLow-1.7.0-cuda9.1-cudnn7.1.2过程中问题解决方案: https://oldpan.me/archives/ubuntu-source-install-tensorflow-1-7-0-cuda9-1-cudnn7-1-2

[7]官方: https://ubuntu.com/download/alternative-downloads

[8]Windows下安装Ubuntu详细教程: https://www.cnblogs.com/masbay/p/10745170.html

[9]这里: https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

[10]pycharm修改pip源为清华源,提高下载速度: https://oldpan.me/archives/pycharm-pip-source-download

[11]anaconda常用命令配置信息及更换源: https://oldpan.me/archives/anaconda-source-config-order

[12]清华大学开源软件镜像站: https://mirrors.tuna.tsinghua.edu.cn/

往期回顾
Mac mini m1使用简单体验(编程、游戏、深度学习)
各种姿势的debug(从python一路debug到C++)
实现TensorRT自定义插件(plugin)自由！
CVer想知道的都在这里了，一起分析下《中国计算机视觉人才调研报告》吧！
更底层的算法部署工程师:机器学习系统与SysML&DL(一)