一、安裝anaconda

anaconda安裝簡(jiǎn)單，只要確定自己的系統(tǒng)即可，

二、確定自己的系統(tǒng)版本

我的是centos

cat /etc/redhat-release

查看linux系統(tǒng)方法：

# 方法一

cat /proc/version

# 方法二

lsb_release -a

# 方法三

cat /etc/issue

# 方法四

cat /etc/redhat-release

三、確定自己的CUDA版本

什么是cuda：

CUDA(ComputeUnified Device Architecture)，是顯卡廠商N(yùn)VIDIA推出的運(yùn)算平臺(tái)。 CUDA是一種由NVIDIA推出的通用并行計(jì)算架構(gòu)，該架構(gòu)使GPU能夠解決復(fù)雜的計(jì)算問(wèn)題

簡(jiǎn)單說(shuō)強(qiáng)大的芯片如果只是作為顯卡就太浪費(fèi)了，因此N卡廠商推出CUDA，讓顯卡可以用于圖像計(jì)算以外的目的

什么是cudnn：(注意：CUDA和CuDNN一般都是結(jié)伴而行，如果需要CUDA，必然會(huì)需要CuDNN)

CUDA看作是一個(gè)工作臺(tái)，上面配有很多工具，如錘子、螺絲刀等。cuDNN是基于CUDA的深度學(xué)習(xí)GPU加速庫(kù)，有了它才能在GPU上完成深度學(xué)習(xí)的計(jì)算。它就相當(dāng)于工作的工具，比如它就是個(gè)扳手

但是CUDA這個(gè)工作臺(tái)買來(lái)的時(shí)候，并沒(méi)有送扳手。想要在CUDA上運(yùn)行深度神經(jīng)網(wǎng)絡(luò)，就要安裝cuDNN，就像你想要擰個(gè)螺帽就要把扳手買回來(lái)。這樣才能使GPU進(jìn)行深度神經(jīng)網(wǎng)絡(luò)的工作，工作速度相較CPU快很多

cudnn下載解壓后cuda目錄下有下面內(nèi)容：

修改權(quán)限：

sudo cp include/cudnn.h /usr/local/cuda/include

sudo cp lib64/libcudnn* /usr/local/cuda/lib64

sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

Centos7安裝NVIDIA顯卡驅(qū)動(dòng)和CUDA10.1(以10.1為例)：

先查看自己的linux上顯卡型號(hào)：

lspci | grep -i nvidia

可見(jiàn)我的顯卡杠杠滴

：(下載與自己顯卡型號(hào)一致的驅(qū)動(dòng))

注意：在安裝顯卡驅(qū)動(dòng)的時(shí)候如果報(bào)錯(cuò)

ERROR: An NVIDIA kernel module 'nvidia-uvm' appears to already be loaded in your kernel. This may be because it is in use (for example, by the X server), but may also happen if your kernel was configured

我們需要查看是否有程序占用(如果存在占用，請(qǐng)停掉該程序)

lsof | grep nvidia.uvm

當(dāng)然顯卡驅(qū)動(dòng)也可以這樣安裝：(推薦)

曾經(jīng)自己花了兩天時(shí)間利用官網(wǎng)下載的驅(qū)動(dòng)來(lái)安裝，導(dǎo)致模型調(diào)用GPU出現(xiàn)error：CUDA error: all CUDA-capable devices are busy or unavailable(終究不知道原因)

sudo yum install nvidia-detect # 安裝檢查顯卡的程序

nvidia-detect -v # 查看需要的顯卡驅(qū)動(dòng)型號(hào)

yum -y install kmod-nvidia # 安裝驅(qū)動(dòng)

卸載驅(qū)動(dòng)：

sudo yum -y install kmod-nvidia

如果通過(guò)官網(wǎng)下載驅(qū)動(dòng)安裝時(shí)找不到kernel，通過(guò)下面的方式安裝驅(qū)動(dòng)(確保kernel已經(jīng)安裝)

sudo ./NVIDIA-Linux-x86_64-430.40.run --kernel-source-path=/usr/src/kernels/3.10.0-514.el7.x86_64

檢查linux是否安裝了GPU

lspci | grep -i nvidia

lspci -v

發(fā)現(xiàn)下面的信息：，可以用sudo lspci -v

安裝 cuda 的時(shí)候，會(huì)詢問(wèn)是否安裝顯卡驅(qū)動(dòng)，說(shuō)明 cuda 安裝程序里包含了的顯卡驅(qū)動(dòng)；建議先不要安裝 cuda 里的顯卡驅(qū)動(dòng)，待安裝完 cuda 后，執(zhí)行例子程序，如果報(bào)錯(cuò)再檢查顯卡驅(qū)動(dòng)是否正確，避免覆蓋原來(lái)的顯卡驅(qū)動(dòng)

安裝gcc、g++編譯器：先查看是否已經(jīng)安裝(gcc -v)

yum install gcc

yum install g++

安裝kernel-devel和kernel-headers：

yum install kernel-devel

yum install kernel-headers

注意這里的kernel要和自己的linux系統(tǒng)版本一致：可以使用uname -r查看自己的系統(tǒng)版本

uname -r

#3.10.0-514.el7.x86_64

有時(shí)候直接yum安裝的版本比較新，導(dǎo)致顯卡驅(qū)動(dòng)安裝失敗

sudo yum remove kernel-devel # 卸載新的

sudo rpm -i kernel-devel-3.10.0-514.el7.x86_64.rpm #下載安裝適合的版本

編輯grub文件

vim /etc/default/grub

在GRUB_CMDLINE_LINUX中的末尾(注意要包含在引號(hào)內(nèi))添加/rd.driver.blacklist=nouveau nouveau.modeset=0

隨后生成配置：

grub2-mkconfig -o /boot/grub2/grub.cfg

禁用nouveau：將blacklist nvidiafb注釋掉，并添加如下內(nèi)容，禁用的原因

blacklist nouveau

options nouveau modeset=0

更新配置并重啟：

sudo mv /boot/initramfs-$(uname -r).img /boot/initramfs-$(uname -r).img.bak

sudo dracut /boot/initramfs-$(uname -r).img $(uname -r)

reboot

重啟后確認(rèn)禁用了nouveau：

lsmod | grep nouveau

# 沒(méi)有內(nèi)容輸出表示禁用成功

賦予權(quán)限并安裝驅(qū)動(dòng)和CUDA-10.0：

./NNVIDIA-Linux-x86_64-430.50.run

./cuda_10.1.243_418.87.00_linux.run

查看安裝結(jié)果

nvidia-smi

總結(jié)：大家可以

總結(jié)

以上是生活随笔為你收集整理的linux安装pytorch教程,centos下通过conda安装pytorch的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。