Linux系统管理(十七)——配置英伟达驱动、Cuda、cudnn、Conda、Pytorch、Pycharm等Python深度学习环境

文章目录


前言

深度学习和大语言模型的部署不免会用到Linux系统,在本章中将详细介绍配置英伟达驱动、Cuda、cudnn、Conda、Pytorch、Pycharm等Python深度学习环境,为支持深度学习和大语言模型运行提供支持。

安装驱动

查看是否已经安装了驱动

通过以下命令查看是否安装好了驱动

bash 复制代码
nvidia-smi

如果没有安装驱动,会显示类似信息,我们可以看到不同的ubuntu版本有不同的驱动版本

查看系统版本

bash 复制代码
lsb_release -a


安装驱动

根据对应的版本,执行安装命令即可

bash 复制代码
sudo apt install nvidia-utils-550-server

然后重新查看一下显卡信息

bash 复制代码
nvidia-smi

显示以下信息说明驱动安装成功

下载安装Cuda

首先从官网选取合适的系统

官网地址:https://developer.nvidia.com/cuda-downloads

选好后往下拉依次执行以下命令

bash 复制代码
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2404/x86_64/cuda-keyring_1.1-1_all.deb
sudo dpkg -i cuda-keyring_1.1-1_all.deb
sudo apt-get update
sudo apt-get -y install cuda-toolkit-12-8
sudo apt-get install -y nvidia-open
sudo apt-get install -y cuda-drivers

编辑环境变量

用以下命令打开环境变量

python 复制代码
sudo vim ~/.bashrc

在后面添加以下信息

bash 复制代码
export PATH=/usr/local/cuda-12.8/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-12.8/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

然后用以下命令更新环境变量

bash 复制代码
source ~/.bashrc

随后执行以下命令

bash 复制代码
nvcc -V

如果执行效果如下,说明Cuda安装成功

安装Cudnn

打开官网连接选择合适的版本

官网地址:https://developer.nvidia.com/cudnn

选好后依次执行命令即可

bash 复制代码
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2404/x86_64/cuda-keyring_1.1-1_all.deb
sudo dpkg -i cuda-keyring_1.1-1_all.deb
sudo apt-get update
sudo apt-get -y install cudnn
sudo apt-get -y install cudnn-cuda-12

如果有以下提示,可以不用管也可以执行一下,测试下来不影响使用

安装conda

从官网查看符合版本的conda

官网:https://repo.anaconda.com/archive/

下载后来到下载目录,执行以下命令(注意这里需要替换为笔者要安装的版本)

bash 复制代码
bash Anaconda3-2024.10-1-Linux-x86_64.sh

验证安装成功

执行以下命令

bash 复制代码
conda --help

如果结果如下图说明安装成功

配置conda镜像

配置官网的channel地址

python 复制代码
conda config --add channels r 
conda config --add channels conda-forge 
conda config --add channels bioconda

查看配置镜像结果

python 复制代码
ls -a
bash 复制代码
cat ~/.condarc

退出conda环境

由于默认会进入base环境,所以需要先脱出环境才能新创建环境,命令行左侧的(base)就是说明目前所在的环境就是base环境

bash 复制代码
conda deactivate

如果希望默认不自动进入conda环境

bash 复制代码
conda config --set auto_activate_base false

创建python环境

用以下命令创建python环境,其中llm是笔者的环境名称,python版本是3.10

python 复制代码
conda create -y -n  llm  python=3.10

查看当前conda环境

bash 复制代码
conda info -e

可以看到除了base环境外还有新建的llm环境

激活环境

当希望使用新创建的环境时,可以用以下命令激活环境

bash 复制代码
conda activate llm

如果在命令行前出现(llm)说明激活成功

安装python包

常规的安装直接将pip install改为conda install即可,但尤其注意的是在安装时需要进入到对应的虚拟环境中。如果有些包不支持conda安装,也可以在虚拟环境下使用pip安装。

安装pytorch

pytorch就是属于不支持conda安装的情况

官网:https://pytorch.org/get-started/locally/

同样的在官网选择相对应的版本,可以看到,当选择conda时显示不支持

所以应当换成pip方式安装

通过以下代码激活虚拟环境

bash 复制代码
conda activate llm

然后安装符合版本的pytorch

python 复制代码
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126

验证是否安装成功可以在命令行输入python3,然后导入torch

python 复制代码
import torch
torch.__version__
python 复制代码
torch.cuda.is_available()

安装pycharm

进到官网并下载软件

官网链接:https://www.jetbrains.com.cn/pycharm/download/download-thanks.html?platform=linux&code=PCC

切换到文件保存路径解压

bash 复制代码
tar -zxvf pycharm-community-2024.3.3.tar.gz

然后进入到解压出的文件下

bash 复制代码
cd pycharm-community-2024.3.3

进入到bin目录下执行pycharm.sh文件

python 复制代码
cd bin
./pycharm.sh

根据提示安装即可

可以点击这个图标

然后选择将软件放到桌面上

安装jupyter notebook

bash 复制代码
conda install jupyter notebook

选好代码所在的路径后,可以使用命令

python 复制代码
jupyter notebook

启动jupyter notebook

相关推荐
Francek Chen18 小时前
【深度学习计算机视觉】09:语义分割和数据集
人工智能·pytorch·深度学习·计算机视觉·数据集·语义分割
小小毛毛虫~18 小时前
使用Cursor遇到的问题(一):cursor使用conda虚拟环境
python·conda·cursor
wuli玉shell18 小时前
机器学习、数据科学、深度学习、神经网络的区别与联系
深度学习·神经网络·机器学习
报错小能手18 小时前
linux学习笔记(11)fork详解
linux·笔记·学习
livingbody18 小时前
【2025年9月版 亲测可用】《人民日报》PDF文件下载
开发语言·爬虫·python·pdf
Prettybritany19 小时前
文本引导的图像融合方法
论文阅读·图像处理·人工智能·深度学习·计算机视觉
努力学习的小廉19 小时前
深入了解linux网络—— 基于UDP实现翻译和聊天功能
linux·网络·udp
大聪明-PLUS19 小时前
从技术史看:Unix 从何而来
linux·嵌入式·arm·smarc
励志不掉头发的内向程序员20 小时前
【Linux系列】并发世界的基石:透彻理解 Linux 进程 — 进程概念
linux·运维·服务器·开发语言·学习
合作小小程序员小小店20 小时前
web网页开发,在线%推荐算法学院培养计划,图书推荐,基于Python,FlaskWeb,用户和物品推荐MySql
python·mysql·算法·flask·推荐算法