Ubuntu22.04中安装英伟达驱动并部署Pytorch深度学习环境

安装英伟达驱动

本文基于windows10+ubuntu22.04双系统，给ubuntu22.04安装英伟达驱动。

安装必要。依赖

shell 复制代码

sudo apt update  # 获取最新的软件包信息
sudo apt upgrade # 升级软件包
sudo apt install g++
sudo apt install gcc
sudo apt install make

禁用ubuntu默认驱动Nouveau。

ubuntu默认集成 Nouveau 驱动，能够提供基本的支持。我们现在需要安装 NVIDIA 官方的显卡驱动，就得先禁用默认驱动。

shell 复制代码

sudo vi /etc/modprobe.d/blacklist-nouveau.conf
# 插入下两行内容
blacklist nouveau
options nouveau modeset=0

# 禁用默认驱动生效
sudo update-initramfs -u

# 重启
sudo reboot

# 验证，果没有输出，则说明默认驱动已被成功禁用。
lsmod | grep nouveau

卸载之前安装的英伟达驱动。

shell 复制代码

sudo apt remove --purge nvidia*

查看系统检测到的显卡以及推荐的驱动程序版本。

通常会显示多个可用的驱动版本，有些版本可能带有 "recommended"（推荐）的标识。

shell 复制代码

ubuntu-drivers devices

# 可以看到推荐的驱动是nvidia-driver-560

使用PPA源安装推荐的英伟达驱动。

PPA（Personal Package Archive）库安装驱动是一种在 Ubuntu 等基于 Debian 的 Linux 系统中安装特定驱动程序的方法。

它允许用户方便地获取一些官方软件源之外的软件包及其特定版本。对于驱动程序来说，官方的 Ubuntu 软件源中可能提供的驱动版本有限，而 PPA 库可以提供更多更新或特定版本的驱动程序。

shell 复制代码

# 将图形驱动程序的 PPA 仓库添加到系统中，以便能够从该仓库获取 NVIDIA 驱动程序。
sudo add-apt-repository ppa:graphics-drivers/ppa

# 更新软件列表
sudo apt update

# 驱动改成自己系统刚刚推荐的版本，安装过程中提示设置密码，后面重启时需要用到。
sudo apt install nvidia-driver-560

# 安装 Mesa 相关的开发文档、头文件以及特定的 OpenGL 扩展规范等内容，以便开发者进行与图形相关的应用程序开发
sudo apt install mesa-common-dev

重启后，验证是否安装成功。

shell 复制代码

# 重启
reboot

# **注意**
重启后会出现蓝屏，蓝屏界面选择Enroll MOK, 确认后再选择Continue，接着输入刚刚安装驱动时设置的密码，输入时密码不会显示，确认后等待开机。

# 验证，如果显示你的系统GPU，即安装成功。如图，NVIDIA GeForce GTX 1050 Ti
nvidia-smi

部署Pytorch环境

miniconda 中部署 Pytorch环境

安装miniconda，最新版本请参考miniconda官网。

shell 复制代码

# 这四个命令下载最新的 64 位版本的 Linux 安装程序，将其重命名为更短的文件名，静默安装，然后删除安装程序：
mkdir -p ~/miniconda3
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda3/miniconda.sh
bash ~/miniconda3/miniconda.sh -b -u -p ~/miniconda3
rm ~/miniconda3/miniconda.sh

# 安装后，关闭并重新打开终端应用程序或通过运行以下命令刷新它：（可以看到用户名前多个(base)）
source miniconda3/bin/activate

# 在所有可用的 shell 上初始化 conda，请运行以下命令：
conda init --all

cuda driver | pytorch | python 版本选择

上文的nvidia-smi输出可以看到我们安装的英伟达驱动中 Cuda Version：12.6，确保运行环境的cuda版本≤12.6。

在pytorch官网中选择CUDA12.1，并且使用pip 的安装方式来安装pytorch。

torch与python版本对应表中可以看到``torch=2.4要求python3.8---3.12，所以我们可以选择python3.10`。

创建python3.10的虚拟环境。

shell 复制代码

conda create -n pytorch-cuda12.1 python=3.10 
conda activate pytorch-cuda12.1
python -V
pip -V

虚拟环境中安装pytorch。

shell 复制代码

pip3 install torch torchvision torchaudio

安装Jupyter。

shell 复制代码

pip install jupyter
jupyter notebook

# 浏览器打开 http://localhost:8888/tree?token=72855bd2a120e2ac671c7ffc0a13eaee1d9d059d5e5647e3

测试pytorch。

Jupyter中使用下列代码验证pytorch，输出结果如下图所示即通过。

python 复制代码

import torch
print(torch.cuda.is_available())
print(torch.__version__)
print(torch.__path__)
print(torch.version.cuda)
torch.backends.cudnn.version()

# GPU
x = torch.randn(1, 3, 224, 224).cuda()
conv = torch.nn.Conv2d(3, 3, 3).cuda()

out = conv(x)
print(out.sum())

参考文档

欢迎关注我的博客，如有疑问或建议，请随时留言讨论。