Ubuntu安裝完顯卡驅(qū)動、CUDA和cudnn后，下面部署深度學習環(huán)境。
（安裝Ubuntu系統(tǒng)、顯卡驅(qū)動、CUDA和cudnn見我之前的文章）

安裝Anaconda

從官網(wǎng)（anaconda.com）下載。
首頁會自動根據(jù)你的系統(tǒng)判斷，直接點Download即可。

sh文件下載完畢后，打開終端，使用bash命令安裝 bash Anaconda3-2023.03-1-Linux-x86_64.sh。
根據(jù)提示進行安裝即可。

安裝路徑可以默認。

輸入yes，初始化Anaconda。

安裝完成～

---

根據(jù)上面提示，如果想要conda的基礎(chǔ)環(huán)境（base）在啟動時不被激活，需要輸入：
conda config --set auto_activate_base false
我們重啟終端，輸入以上命令即可。

這樣安裝完畢！

創(chuàng)建新環(huán)境

我們之前已經(jīng)安裝了cuda 11.7和cudnn。
這次試著創(chuàng)建一個名為“pytorch2”新的python環(huán)境（Python3.10）：

---

打開終端，創(chuàng)建新環(huán)境。

conda create --name pytorch2 python=3.10

接著激活。

conda activate pytorch2

安裝Pytorch2.0

擬安裝：
pytorch2.0
torchvison0.15.1
torchaudio2.0.1
（注：既往cuda版本和pytorch版本對應參考：pytorch；
pytorch和 torchvision、torchaudio 版本的對應參考：torchaudio、torchvision）

---

在首頁，我們可以獲取安裝的命令，在剛創(chuàng)建的環(huán)境下，終端輸入即可（如下圖）。
當然，我們也可以自行下載對應的包自己安裝。

---

再介紹一下手動下載安裝對應的庫的方法。
下載地址：https://download.pytorch.org/whl/torch_stable.html
找到對應的鏈接：
pytorch2.0：cu117/torch-2.0.0%2Bcu117-cp310-cp310-linux_x86_64.whl
torchvision 0.15.1：cu117/torchvision-0.15.1%2Bcu117-cp310-cp310-linux_x86_64.whl
torchaudio 2.0.1：cu117/torchaudio-2.0.1%2Bcu117-cp310-cp310-linux_x86_64.whl

終端激活對應環(huán)境，安裝輪子：

pip install torch-2.0.0+cu117-cp310-cp310-linux_x86_64.whl
pip install torchvision-0.15.1+cu117-cp310-cp310-linux_x86_64.whl
pip install torchaudio-2.0.1+cu117-cp310-cp310-linux_x86_64.whl

注：如果安裝依賴包很慢，可以在命令行后面添加清華源地址 -i https://pypi.tuna.tsinghua.edu.cn/simple

---

最后再安裝一些必要的包，如numpy,pandas,matplotlib,opencv-python,tqdm等即可。

測試GPU是否可用：

安裝VS Code

官網(wǎng)下載：https://code.visualstudio.com/Download
選擇.deb（我是x64版）

下載完deb文件后，終端輸入sudo dpkg -i code_1.77.3-1681292746_amd64.deb安裝。
安裝完后打開VS Code，安裝Python插件即可。

Ubuntu下實時查看GPU狀態(tài)的方法

終端：

watch -n 3 nvidia-smi

以3秒一刷新的方式打開nvidia-smi，可以實時查看顯存情況和進程。

小實驗：Ubuntu、Windows10下GPU訓練速度對比

下面一張圖直接對比了Ubuntu、Windows10的訓練速度對比。
均為采用MobileNet微調(diào)模型訓練貓狗分類實例（具體例子見我）。