在移动硬盘上搭建Ubuntu24.04深度学习环境（Anaconda + CUDA + Pytorch）

目录

前言

最近打算在Linux上进行深度学习，但手头没有现成的Linux环境，同时希望在个人的台式电脑和无独显的笔记本上都能使用，需要新安装的系统具有一定的便捷性，恰好手头有闲置的移动硬盘，故尝试并实现了在移动硬盘上搭建深度学习环境，在此记录下Ubuntu24.04系统从镜像烧录到Pytorch-gpu安装的全过程

准备工作：

1. 8GB以上U盘*1（用于烧录系统镜像）
2. 大容量移动硬盘*1（也可使用速度较快的固态U盘，本文以容量1T的移动硬盘为例，存取速度1000M/s）

一、Ubuntu安装

（1）安装U盘制作

本文使用的Ubuntu 24.04 LTS amd64下载链接：Ubuntu 24.04 LTS amd64
也可以在官网下载其他版本的系统镜像：Download Ubuntu Desktop

插入U盘，这里使用rufus进行安装U盘的制作，选项配置如下（注意：U盘需要被格式化）

确认无误后点击“开始”，即可完成安装U盘的制作

（2）固态硬盘格式化

这里使用DiskGenius进行硬盘操作，其他软件或Windows系统自带的“磁盘管理”也可以

选择“删除所有分区”

操作结果如下所示：

（3）正式安装Ubuntu

插入制作好的安装U盘并重新启动，进入Ubuntu安装界面，需要注意的点有以下：

1. 欢迎界面 > 选择语言“中文（简体）”
2. 安装类型 > 选择手动分区
3. 具体空间分配可以参考：

注：

• sda1，即efi的挂载点是选择了”用于安装的引导程序“后自动生成的，分完空间后我多留了一些空间，以便后续格式化为NTFS格式，继续当成普通移动硬盘用

以上操作完成后，再次重启电脑，选择新安装的系统盘引导启动，进入安装完成的Ubuntu系统

二、Ubuntu更换下载源

安装gedit编辑工具：

sudo apt-get install gedit

由于是新系统，所以首先要设置root账户：

sudo passwd root

进入root账户的指令：

su root

使用gedit文本编辑器打开sources文件：

sudo gedit /etc/apt/sources.list.d/ubuntu.sources

将内容替换为：

Types: deb deb-src
URIs: https://mirrors.aliyun.com/ubuntu/
Suites: noble noble-updates noble-backports noble-security noble-proposed
Components: main restricted universe multiverse
Signed-By: /usr/share/keyrings/ubuntu-archive-keyring.gpg

Types: deb deb-src
URIs: https://mirrors.tuna.tsinghua.edu.cn/ubuntu/
Suites: noble noble-updates noble-backports noble-security noble-proposed
Components: main restricted universe multiverse
Signed-By: /usr/share/keyrings/ubuntu-archive-keyring.gpg

Types: deb deb-src
URIs: http://mirrors.163.com/ubuntu/
Suites: noble noble-updates noble-backports noble-security noble-proposed
Components: main restricted universe multiverse
Signed-By: /usr/share/keyrings/ubuntu-archive-keyring.gpg

Types: deb deb-src
URIs: https://mirrors.ustc.edu.cn/ubuntu/
Suites: noble noble-updates noble-backports noble-security noble-proposed
Components: main restricted universe multiverse
Signed-By: /usr/share/keyrings/ubuntu-archive-keyring.gpg

Types: deb
URIs: http://cn.archive.ubuntu.com/ubuntu/
Suites: noble noble-updates noble-backports
Components: main restricted universe multiverse
Signed-By: /usr/share/keyrings/ubuntu-archive-keyring.gpg

Types: deb
URIs: http://security.ubuntu.com/ubuntu/
Suites: noble-security
Components: main restricted universe multiverse
Signed-By: /usr/share/keyrings/ubuntu-archive-keyring.gpg

更新下载源：

sudo apt-get update

三. Anaconda安装+换源

（1） Anconda安装

首先在镜像站下载Anaconda：清华大学开源软件镜像站
我下载的版本是：Anaconda3-2024.02-1-Linux-x86_64.sh，可以直接点这个链接下载：Anaconda3-2024.02-1-Linux-x86_64.sh

进入安装包所在目录，使用bash指令安装：

bash Anaconda3-2024.02-1-Linux-x86_64.sh

enter > yes > enter > yes 完成安装，若想验证是否安装成功，可重启终端输入：

conda info

（2）换源

由于我们还没使用过conda config指令，所以先执行一下以生成.condarc文件：

conda config

打开文件：

sudo gedit ~/.condarc

替换为以下内容并保存：

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

验证是否更改成功：

conda config --show-sources

出现以上结果即为安装成功

四、显卡驱动安装

（1）安装准备

在官网下载安装程序：官方驱动 | NVIDIA

我的设备是4060Ti，下载的驱动是：NVIDIA-Linux-x86_64-550.78.run

由于系统安装时语言选择了中文，一般默认下载到“下载”文件夹，这里先把文件移动到/home目录下，避免中文路径产生问题

安装所需依赖：

sudo apt-get update

sudo apt-get install g++ gcc make

安装NVIDIA驱动要禁用系统自带显卡驱动nouveau，首先打开文件：

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

在末尾添加并保存：

blacklist nouveau
options nouveau modeset=0

改完要更新系统镜像文件，在终端中输入：

sudo update-initramfs -u

完成后重启Ubuntu，开机后在终端中输入：

lsmod | grep nouveau

如果没有输出就说明禁用了nouveau

（2）正式安装

接下来要进入tty正式安装显卡驱动，用其他设备继续阅读以下内容，虽然Ctrl+Alt+F2可以切回图形桌面（不行的话试试Ctrl+Alt+F1到F6），但是剪贴板用不了

进入tty3，组合键：

Ctrl+Alt+F3

禁用X-window：

sudo service gdm3 stop

进入驱动安装程序的存放目录（pwd可查看当前路径，ls列出目录下文件）

给安装文件权限：

sudo chmod 777 NVIDIA-Linux-x86_64-525.53.run

安装显卡驱动：

sudo ./NVIDIA-Linux-x86_64-525.53.run –no-opengl-files -no-x-check

出现这个选择 “Yes”：Would you like to run the nvidia-xconfig utility to automatically update your X configuration file so that the NVIDIA X driver dill be used dhen you restart X? Any pre-existing X configuration file will be backed up.

安装完毕后启动X-window：

sudo service gdm3 start

回到图形桌面，按组合键：Ctrl+Alt+F2

验证安装是否成功，在终端输入：

nvidia-smi

出现以上结果即为安装成功

五、CUDA + cuDNN 安装和配置

（1）CUDA安装

理论上，可以直接从官网下载并安装Ubuntu24.04对应的cuda版本，但截止发稿时官网相应版本的CUDA还没放出，故下文采用先前版本安装，相比直接安装对应版本多一个安装libtinfo5的步骤

官网下载：CUDA Toolkit Archive | NVIDIA Developer

若直接安装了适配24.04的版本，安装完成后跳至配置部分，否则继续本节操作：

下载libtinfo5：

wget http://archive.ubuntu.com/ubuntu/pool/universe/n/ncurses/libtinfo5_6.4-2_amd64.deb

防止权限不足，先进到root账户提高权限：

su root

安装libtinfo5：

dpkg -i libtinfo5_6.4-2_amd64.deb

下面正式开始安装cuda11.8，这里选择用run文件安装，依次执行以下命令：

wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run

sudo sh cuda_11.8.0_520.61.05_linux.run

安装过程中注意取消勾选Driver选项，以避免重复安装显卡驱动导致安装失败，取消勾选后的界面如下图所示：

如果下错了，可以用官方给的指令删除cuda：

 sudo apt-get --purge remove "*cublas*" "*cufft*" "*curand*" "*cusolver*" "*cusparse*" "*npp*" "*nvjpeg*" "cuda*" "nsight*"

再进入 /usr/local，删除剩余的cuda文件（xx改为你的版本号）：

sudo rm -rf cuda-xx.x

（2）CUDA配置

打开环境变量配置文件：

gedit ~/.bashrc

添加以下内容：

exportLD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
exportPATH=$PATH:/usr/local/cuda/bin
exportCUDA_HOME=$CUDA_HOME:/usr/local/cuda

激活环境变量：

source ~/.bashrc

检查是否完成安装：

nvcc -V

出现以上结果即为安装成功

cuda也可以通过anaconda或直接安装多个版本，在.bashrc的配置可以参考：http://t.csdnimg.cn/fQXX8

如果想为不同conda虚拟环境安装不同的cuda版本，以11.8版本为例，进入环境后执行以下命令也可快速完成安装：

conda install cudatoolkit==11.8 -c nvidia

conda install -c "nvidia/label/cuda-11.8.0" cuda-nvcc

（3）安装cuDNN

前往官网下载与cuda对应版本的cuDNN，我装的是cuda11.8，所以选择的版本是：cudnn-linux-x86_64-8.9.7.29_cuda11-archive.tar.xz
下载地址：cudnn-archive

下载完成后，进入下载目录，进行以下操作：（xxx.tar.xz改为你的包名）：

提取cuDNN文件：

tar -xf xxx.tar.xz

依次执行以下指令，将提取后的文件复制到cuda目录下，cuda版本不一样的注意修改路径：

sudo cp xxx/include/* /usr/local/cuda-11.8/include

sudo cp xxx/lib/libcudnn* /usr/local/cuda-11.8/lib64

提升权限：

sudo chmod 777 /usr/local/cuda-11.8/include/cudnn.h

sudo chmod 777 /usr/local/cuda-11.8/lib64/libcudnn*

测试：

cat /usr/local/cuda-11.8/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

出现以上结果即为安装成功

六.、Pytorch安装

推荐先用anaconda创建并进入一个虚拟环境，再安装Pytorch：

pip install torch==2.1.1 torchvision==0.16.1 torchaudio==2.1.1 --index-url https://download.pytorch.org/whl/cu118

检查安装：

先进入python，在终端输入：python

import torch
print(torch.cuda.is_available())print(torch.__version__)

其他：

1. pycharm下载：Download PyCharm: The Python IDE for data science and web development by JetBrains
2. pip换源：pip config set global.index-url https://mirrors.aliyun.com/pypi/simple

参考：

1. Ubuntu 24.04 配置镜像源-CSDN博客
2. pip切换下载源（多种国内源）_pip国内换源-CSDN博客
3. ubuntu安装及深度学习框架（CUDA、cuDNN、Anaconda、pytorch、pycharm）
4. Ubuntu20.04安装到U盘里（以及ros环境的搭建）_ubuntu20.04 安装到u盘-CSDN博客
5. ubuntu完全卸载CUDA_卸载cuda linux-CSDN博客
6. 【超详细】【ubunbu 22.04】 手把手教你安装nvidia驱动，有手就行，隔壁家的老太太都能安装
7. Ubuntu 24.04 Preview 版安装 libtinfo5