0


windows装Ubuntu双系统,以及Ubuntu深度学习环境的安装

windows装Ubuntu双系统,以及Ubuntu深度学习环境的安装

最近需要跑一个深度学习代码,但代码需要的一些库windows环境下没有,所以只能下载Linux系统。一开始想到用虚拟机来安装Ubuntu系统,但在网上查找发现虚拟机不能使用物理机显卡,只能作罢。同时考虑到深度学习用到的数据集比较大所以买了块500G固态用来安装Ubuntu系统,整个安装过程实在曲折,所以记录下以便帮助需要的人。

一、安装Ubuntu双系统

具体可参考:https://blog.csdn.net/qq_22124817/article/details/108797438

  1. Ubuntu系统推荐使用偶数年版本(更稳定),我这里下载的是20.04版本。官网地址:https://ubuntu.com/download/desktop
  2. 网上U盘制作多分为两种:rufus:https://rufus.ie/zh/和UItraISO:https://cn.ultraiso.net/。两种方法都可以,个人觉得rufus使用更加方便。
  3. 一定要注意安装Ubuntu系统的磁盘一定是待分配状态(没有卷标)。
  4. Ubuntu系统分区可以按照参考链接来进行设置,主要用到的是home文件所以这部分内存分配可以大一些。具体分配看个人需求。
  5. 如果系统安装错误或者想要删除Ubuntu系统,可参考这位博主的帖子可彻底删除Ubuntu系统。

具体参考:https://blog.csdn.net/guikunchen/article/details/88077330

  1. 安装好双系统后进入Windows系统如果出现需要输入Bitlocker密钥页面,可到微软官网查找:https://account.microsoft.com/devices/recoverykey?refd=support.microsoft.com。输入48位恢复密钥即可进入windows系统。
  2. 安装好双系统后可能会出现无法进入Ubuntu系统的情况,这多是因为nvidia显卡驱动和Ubuntu系统兼容性问题。这个时候需要从Ubuntu高级系统设置的recovery mode进入,选择resume,回车进入系统。 (1)如果安装的Ubuntu系统不使用到独立显卡可以禁用独立显卡,具体操作如下:
sudo gedit /etc/default/grub

找到文件中的"quiet splash"修改为"quiet splash nomodeset",点击右上角保存(命令窗口弹出警告信息直接忽视)。
更新grub:

sudo update-grub

重启电脑:

reboot

(2)如果要使用到独立显卡就需要安装对应的显卡驱动程序。

具体可参考:https://blog.csdn.net/u014682691/article/details/80605201

因为深度学习环境安装要求比较苛刻所以这里使用了第二种安装方法。
首先安装gcc和make:

sudo apt update
sudoapt-getinstall gcc
sudoapt-getinstallmake

测试系统的图形界面是否可以正常开启:

sudoservice lightdm start

如果出现以下错误:

Failed to stop lightdm.service: Unit lightdm.service not loaded.

就需要安装lightdm

sudo apt update
sudoapt-getinstall lightdm

再次验证:

sudoservice lightdm start

如果没有打印输出就说明安装成功了。
之后按照参考链接的步骤关闭nouveau驱动程序。重启电脑后下载官方显卡驱动程序:https://www.nvidia.cn/geforce/drivers/
下载好驱动程序后,在程序所在文件夹打开终端(记住程序所在位置),给文件赋予权限操作(根据自己下载的版本更改命令中的文件名):

sudochmod 777 NVIDIA-Linux-x86_64-510.54.run

之后关闭x-window再安装驱动程序:

sudoservice lightdm stop

执行这条命令后电脑会变为黑屏只有左上角光标闪烁,这个时候不要着急,按下Ctrl+Alt+F1进入tty1控制台,输入Ubuntu系统账号和密码。下面开始安装显卡驱动程序:
首先需要转到驱动程序存储的位置

cd /home/lzh/下载
sudo ./NVIDIA-Linux-x86_64-510.54.run

安装过程选项全部按照默认设置即可,安装好显卡驱动程序后打开x-window:

sudoservice lightdm start

这个时候就出现系统桌面了,进入系统后再重启即可。
二、深度学习环境的安装

  1. 显卡驱动装好后接下来安装cuda和cudnn (1)安装cuda 查看自己的电脑支持的cuda版本:
nvidia-smi

在这里插入图片描述右上角是电脑支持的cuda最大版本,这里我下载的是11.3版本。到官网下载cuda:https://developer.nvidia.com/cuda-toolkit-archive

在这里插入图片描述在终端依次输入下面两行命令即可,如果出现以下情况选择继续安装:

在这里插入图片描述
需要注意的是我们已经安装过显卡驱动程序这里就不需要再安装了:
在这里插入图片描述
接下来等待安装完成,需要添加环境变量才能在终端查询到cuda版本(需注意文件夹名称cuda-11.3需要对应自己下载的版本):

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.3/lib64
export PATH=$PATH:/usr/local/cuda-11.3/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-11.3
 

添加好环境变量后在终端查询cuda版本:

nvcc -V

在这里插入图片描述
输出版本号即说明安装成功。

  1. 安装cudnn 官网下载:https://developer.nvidia.com/rdp/cudnn-archive 根据cuda下载对应的cudnn版本,在文件所在目录打开终端,解压文件:
sudotar xzf cudnn-11.3-linux-x64-v8.2.1.32.tgz

安装:

sudocp cuda/include/cudnn.h /usr/local/cuda-11.3/include
sudocp cuda/lib64/libcudnn* /usr/local/cuda-11.3/lib64
sudochmod a+r /usr/local/cuda-11.3/include/cudnn.h 
sudochmod a+r /usr/local/cuda-11.3/lib64/libcudnn*

网上看到用以下命令来验证cudnn是否安装成功,也可通过安装好pytorch后在python编译器进行查询:

cat /usr/local/cuda-11.3/include/cudnn.h |grep CUDNN_MAJOR -A 2
  1. 接下来安装pycharm,anaconda,pytorch 这几部分安装比较简单,网上也可以找到很多相关下载的流程,这里就不再介绍。

三、一些小问题的解决
1、wegt无法解析主机地址网址:

具体参考:https://blog.csdn.net/dyw_666666/article/details/113884857

可尝试通过配置电脑DNS解决:

sudo vim /etc/resolv.conf

在这里插入图片描述
这里我添加了一个谷歌和一个阿里的域名。

  1. pip换源 网上有很多关于conda和pip换源的方法。需要注意的是现在conda不支持使用镜像源,所以conda换源后就不能使用了。pip换源还可以正常使用,pip换源有些方法需要更改文件比较麻烦,这里一行代码就可搞定:
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

conda可通过以下命令恢复默认源:

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
  1. github不能访问 在终端输入:
ping baidu.com

可以正常运行,但输入:

ping github.com

一直失败,可以通过更改ip实现访问。

具体参考:https://blog.csdn.net/weixin_39644536/article/details/107416957

  1. windows和Ubuntu时间错误问题

具体参考:https://zhuanlan.zhihu.com/p/258106139

在终端输入以下命令:

timedatectl set-local-rtc 1 --adjust-system-clock

5.通过pytorch查询cuda和cudnn版本

具体参考:https://blog.csdn.net/weixin_43543177/article/details/113338100

使用python编译器,可通过conda创建的虚拟环境来实现:

import torch
print(torch.__version__)# torch version
print(torch.version.cuda)# cuda version
print(torch.backends.cudnn.version())# cudnn version
  1. Ubuntu系统连接无限网问题 这里参考了很多文献,也跟着尝试了很多种办法但是还是无法解决。如果有哪位好心人知道,还烦请告诉我。不能连接无线网有时候真的好麻烦!!!

未完待续!!!

标签: python linux ubuntu

本文转载自: https://blog.csdn.net/weixin_43798395/article/details/123657419
版权归原作者 记录我在人间凑数的日子 所有, 如有侵权,请联系我们删除。

“windows装Ubuntu双系统,以及Ubuntu深度学习环境的安装”的评论:

还没有评论