by jsklearner
文章是几年前写的，搬运到掘金，现在硬件更新很快，但是流程可以参考
@TOC
在从事深度学习研究的前期，很多人因为成本以及不确定因素等问题，一般不会购买特别好的显卡，而NVIDIA GTX1060 6G却是很大一部分人所选择的一类显卡，其价格不是很高，大概在1400元左右，而且其6G的显存恰好是一些深度学习的入门显存大小，可以用来训练一些数据量不是很大的网络模型。
笔者也是在实验室阶段，老师给配备了1060显卡的台式机，之前一直在实验室的服务器进行网络模型的训练，近期因为某些原因，想在自己的机器上配置一下Pytorch框架的深度学习平台，在前人这么多的经验面前，笔者仍然踩了很多坑，所以留下这篇文章，以期望能给后来者提供一些经验或者节约一些时间，毕竟把时间都浪费在配环境这样的工作上实在是不太划算。
本篇文章会有三条线：
-
一条是NVIDIA Driver=396.37、cuda=9.2、cudnn=7.3.1、Pytorch=1.2.0安装，成功;
-
一条是NVIDIA Driver=384.13、cuda=9.0、cudnn=7.3.1、Pytorch=1.2.0安装，当然这条线失败，接下来我会说明原因;
-
最后一条就是Anaconda3、以及Pycharm的安装以及一些Anaconda和Pycharm的简单使用和命令操作。
划重点，成功的安装方法，cuda 9.2，cudnn 7.3.1、pytorch 1.2.0
安装cuda 9.2、cudnn 7.3.1、pytorch 1.2.0是成功的，下面将详细介绍成功的步骤细节。
Nvidia Driver 396.37 安装，成功
这次我准备按照网上说的，不预先安装396.37版本驱动，**直接在安装cuda的时候安装驱动，结果失败。**估计是因为pre-install script failed的问题导致的。
- 具体步骤：
禁用nouveau驱动
安装之前，需要禁用nouveau驱动：
sudo gedit /etc/modprobe.d/blacklist.conf
在文末最后添加：
blacklist nouveau
options nouveau modeset=0
然后执行：
sudo update-initramfs -u
重启后，执行：
lsmod | grep nouveau
如果没有任何屏幕输出，就说明禁用成功。
关闭 X server
期间我在安装的时候出现一个问题：
you appear to be running an X server
原因是没有关闭 X server，所以需要进入到命令行模式将X server关闭。 按下Ctrl+Alt+F1，进入命令行模式，会让你输入用户名和密码。 然后执行
sudo service lightdm stop
装好Nvidia Driver之后，可以使用：
sudo service lightdm restart
重新进入到图形界面
执行安装文件
关掉X server，接下来使用cd命令进入到xxx.run所在的文件夹下。
可以用
chmod a+x ./xxx.run
更改文件的可执行权限 然后
sudo ./xxx.run
即可
安装之后，执行
nvidia-smi
观察到类似如下界面，即表示Nvidia驱动安装成功。
pre-install script failed 问题，未解决，但不影响
在安装过程中，除了上述关于X server问题外，我还遇到一个问题：
The distribution-provided pre-install script failed......
刚开始，我以为是很大的问题，因为我已经执行完禁用nouveau驱动以及关闭X server ，又查各种博客说要主板关闭secure boot，然后华硕要关掉fast boot，我的刚好是华硕主板，不过执行完这些操作后，pre-install script failed问题依然存在，索性我就佛系不管了，继续continue安装，一路选了yes，然后执行nvidia-smi，发现有驱动详细信息输出，此刻我感觉应该已经成功安装了驱动，但是在cuda以及pytorch等都没装好的情况，我心里依然忐忑。
cuda 9.2 安装，成功
执行安装文件
cuda 9.2 下载链接
下载完成后，
执行，更改文件的可执行权限
sudo chmod a+x ./xxx.run
再执行
sudo ./xxx.run
会有一个许可说明书，可以直接一直按enter使进度到100%，也可以直接按Q键继续下面的安装过程，如下图。
- 第一个选accept；
- 第二个是问你是否安装Nvidia Driver，因为我已经安装了，所以我输入n；
- 安装cuda 9.2 toolkit，输入y；
- 建立链接，输入y；
- 安装cuda 9.2样例，输入y；
- 其他直接回车即可；
网上有些说还要关闭图形界面，就是按Ctrl+Alt+F1进入命令行模式，输入以下命令：
sudo service lightdm stop
但是我没有关闭，直接在图形界面中安装的，但结果显示也是成功安装的。但是还没完，需要添加环境变量。
添加环境变量
sudo gedit ~/.bashrc
打开后，在文档末尾添加如下命令
export CUDA_HOME=/usr/local/cuda-9.2
export LD_LIBRARY_PATH=${CUDA_HOME}/lib64
export PATH=${CUDA_HOME}/bin:${PATH}S
此时在终端输入
nvcc --version
或者
nvcc -V
屏幕会输出如下信息：
这时，表示cuda已经安装成功。
cudnn 7.3.1 安装，成功
拷贝头文件和动态库到cuda文件夹
不过其实cudnn的安装其实也叫不上什么安装，就是将cudnn下的头文件和动态库拷贝到cuda相应的文件夹下。 注意，cudnn的下载需要nvidia的帐号！
下载下来的cudnn文件有可能是solitairetheme8后缀的，没见过的同学不要疑惑，直接在ubuntu下依次执行如下命令即可：
cp cudnn-9.2-linux-x64-v7.3.1.20.solitairetheme8 cudnn-9.2-linux-x64-v7.3.1.20.tgz
tar -xvf cudnn-9.2-linux-x64-v7.3.1.20.tgz
sudo cp cuda/lib64/* /usr/local/cuda-9.0/lib64/
sudo cp cuda/include/* /usr/local/cuda-9.0/include/
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
如果这些问题没什么问题的话，屏幕中会看到如下信息：
检测cuda、cudnn是否最终安装成功
但是到这一步，并不意味着你已经安装成功，真正的安装cuda、cudnn成功，你还需要进行如下验证：
cd /usr/local/cuda-9.2/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
成功的话 你会看到如下信息：
Result = PASS
如果失败，比如因为驱动和cuda不兼容问题，就会出现：
Result = FAIL
安装pytorch 1.2.0，成功
利用anaconda创建虚拟环境
我先在anaconda下创建了一个python3.5的新环境：
conda create -n python35 python=3.5
激活该环境：
conda activate python35
安装pytorch 1.2.0
pytorch官网链接
在该环境下直接执行官方命令（不知道为什么，用pip3的话就不知道把第三方库装到哪里了，所以用pip）：
pip install torch==1.2.0+cu92 torchvision==0.4.0+cu92 -f https://download.pytorch.org/whl/torch_stable.html
等就好了 成功安装成功后：
Successfully installed numpy-1.17.2 torch-1.2.0 torchvision-0.4.0
检测pytorch是否可以使用cuda：
True
表示安装成功，真是太费劲了。
失败的安装教训，cuda 9.0，cudnn 7.3.1、pytorch 1.2.0
本次安装过程中，Nvidia Driver 384.13、cuda 9.0以及cudnn 7.3.1的安装都是成功的，但是因为pytorch的原因导致我只能卸载了cuda9.0，重装了cuda9.2，但是这一部分除了pytorch安装都是ok的。
安装NVIDIA驱动应该是比较简单的工作，，但是由于NVIDIA驱动和显卡的版本具有一定的兼容关系，所以官网里通过筛选得到的NVIDIA驱动推荐可能会不太靠谱。其推荐的都是4开头版本的驱动......
而查看ubuntu系统里的软件与更新部分，会发现其推荐的是384.13版本的驱动。
所以在第一次安装418.88版本的驱动失败之后，我选择直接安装384.13版本的驱动。
Nvidia Driver 384.13 安装，成功
具体安装过程，参考第一部分——成功的部分驱动396.37版本的安装，区别不大。
不过虽然ubuntu 16.04系统推荐的是384.13版本的驱动程序，但是Nvidia的官方文档显示要安装cuda=9.0，需要驱动**>=384.81**，不过在我装完cuda 9.0和cudnn之后，发现同属于384版本的驱动之间好像并不会造成cuda安装失败。
造成本步骤真正失败的原因，是因为pytorch安装的原因，不过如果不考虑pytorch的话，单纯论Nvidia Driver、cuda以及cudnn的安装，这个过程还是成功的。
cuda 9.0 安装过程，成功
安装好了384.13版本的Nvidia Driver之后，我们就可以直接安装cuda 9.0
有些教程里说，cuda里其实是集成了Nvidia驱动程序的，确实是，但是如果你已经安装了Nvidia驱动，在安装cuda的时候，一定要在系统询问你是否安装驱动的时候选择no，否则ubuntu会陷入重复登录的情况，就是让你不断的输入密码，然后又不断的重复登录界面，如果你一旦不幸遇到这种情况，按Ctrl+Alt+F1进入命令行模式，将cuda卸载掉即可。
整个过程差别不大，就是添加环境变量时将9.2改为9.0即可
成功截图：
如果遇到解决不了的问题，可以通过卸载驱动和cuda之后重新安装即可。
- 附上卸载cuda命令
sudo /usr/local/cuda-9.0/bin/uninstall_cuda_9.0.pl
sudo rm -rf /usr/local/cuda-9.0
- 附上nvidia驱动卸载命令：
sudo apt-get remove nvidia* -y
cudnn 7.3.1安装，成功
和前面基本一致，不作赘述。
成功安装cuda和cudnn后的截图一部分。
安装Pytorch 1.2.0，失败
anaconda3安装之后， 使用
conda create -n your_env_name python=3.x
创建新的python虚拟环境
如果想删除虚拟环境：
conda remove -n your_env_name --all
但是
pip install pytorch torchvision
conda install pytorch torchvision
pip3 install pytorch torchvisions
均有问题，即没有current platform的版本avaliable，然后去pytorch官网，发现现在更是没有cuda9.0的官方，即便是将9.2直接改成9.0,也是白搭，直接报错。 去ailiyun镜像下载，也是不行。
所以我只好先按照官方命令装了cuda9.2的pytorch，装的很成功，但是
print(torch.cuda.is_avaliable())
False
凉凉......
所以悲催的我只能重装cuda，下载好cuda 9.2之后，装得很成功，但是在装好cudnn之后，执行
cd /usr/local/cuda-9.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
输出
cudaGetDeviceProperties returned 35
CUDA driver version is insufficient for CUDA runtime version
fail
我就知道，绝对是有问题啊，思考了一下，看了下cuda和驱动适配关系的官方文档，发现原来的384.13驱动程序版本太低，所以会出现驱动和cuda不兼容问题，因此，我只好卸载cuda，卸载驱动。
宣告失败。
Anaconda3安装
我下的就是base= python 3.7那个，下载后，就直接
sudo sh ./Anaconda3-2019.07-Linux-x86_64.sh
Pycharm安装
本来下的是专业版的professional，谁知道激活码命令网址作者因为某些原因不再维护了，学生申请的话，好像有点麻烦，省事所以只好装了社区版。 安装后pycharm后每次都得去文件夹下找到sh文件，打开比较麻烦，所以可以做个在启动器那里做个快捷方式。
启动器里添加快捷方式
添加pycharm快捷方式：
sudo gedit /usr/share/applications/pycharm.desktop
打开后，添加如下
[Desktop Entry]
Type=Application
Name=Pycharm
GenericName=Pycharm3
Comment=Pycharm3:The Python IDE
Icon=/home/xxx/pycharm-community-2019.2.3/bin/pycharm.png
Exec=/home/xxx/pycharm-community-2019.2.3/bin/pycharm.sh
Terminal=pycharm
即可
希望能帮到大家，谢谢。 2019.9.30
