服务器(Linux)新账户搭建Pytorch深度学习环境

以前都是用Anaconda管理环境，这次试试Miniconda。二者创建新环境的能力上是完全一样的，区别仅仅在于初始的base环境中预装的东西多少。

[1. 下载并运行Miniconda安装脚本](#1. 下载并运行Miniconda安装脚本)

[2. 配置国内镜像源(根据需要配置)](#2. 配置国内镜像源(根据需要配置))

[3. conda环境管理的基本命令](#3. conda环境管理的基本命令)

[4. 安装CUDA](#4. 安装CUDA)

[5. 安装cuDNN](#5. 安装cuDNN)

[6. conda虚拟环境安装CUDA和cuDNN](#6. conda虚拟环境安装CUDA和cuDNN)

[7. 安装Pytorch](#7. 安装Pytorch)

1. 下载并运行Miniconda安装脚本

可以在官网找到相应安装命令：Installing Miniconda - Anaconda

先判断自己的系统类型，命令行输入

bash 复制代码

uname -m
# 我这里的输出：x86_64

然后找到对应系统类型的安装命令

bash 复制代码

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

安装完成后刷新一下

bash 复制代码

source ~/miniconda3/bin/activate

初始化conda

bash 复制代码

conda init --all

输入以下命令检查是否安装成功

bash 复制代码

conda --version
conda -V
# 两个命令功能相同

如果不想自动激活base环境

bash 复制代码

conda config --set auto_activate_base false

最后为了以防万一，再刷新一下

bash 复制代码

source ~/.bashrc

2. 配置国内镜像源(根据需要配置)

我这里直接把我以前用过的全加进来了，具体哪个是有用的我也不清楚(｡ì _ í｡)

bash 复制代码

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2/linux-64
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2/noarch
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro/linux-64
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro/noarch
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r/linux-64
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r/noarch
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/noarch
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/noarch
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/msys2/linux-64
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/msys2/noarch
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/r/linux-64
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/r/noarch
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/linux-64
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/noarch

conda config --set show_channel_urls yes

设置完成后可以用下面的命令查看

bash 复制代码

conda info

3. conda环境管理的基本命令

bash 复制代码

# 创建 python = 3.9 的新环境
conda create -n <env_name> python=3.9
 
# 激活环境
conda activate <env_name>
 
# 退出环境
conda deactivate
 
# 列出所有环境
conda env list
 
# 删除环境
conda env remove -n <env_name>

4. 安装CUDA

这个是直接安装 版本的，要安装在虚拟环境里面可以直接跳到第6步，建议安装在虚拟环境里面。 没有管理员权限的安装在虚拟环境里会容易很多。

查看服务器支持的CUDA版本

bash 复制代码

nvidia-smi

安装的CUDA版本要 ≤ 查询到的版本，并且要有与之对应的Pytorch版本（可以再Pytorch官网查询：Get Started）。

最好不要安装最新版本的，要不然后面可能会有一系列的问题出现。。。这里我安装CUDA 12.6，这个是支持Ubuntu24.04的第一个版本

输入以下命令安装

bash 复制代码

wget https://developer.download.nvidia.com/compute/cuda/12.6.0/local_installers/cuda_12.6.0_560.28.03_linux.run

sudo sh cuda_12.6.0_560.28.03_linux.run

# 非root用户可以不敲 sudo

这里accept

只安装CUDA Toolkit就行，Driver勾选的话会报错（方向键和空格控制）

然后进入Options选项

修改Toolkit Options路径，选择Change Toolkit Install Path，将默认路径修改至个人目录下，点击Enter确认

将下面的选项取消选定，选择Done，确认退出

选择Library install path （Blank for system default）添加之前一样的路径并Enter确认退出

然后选择Done，回到之前步骤Install安装

安装完成会报提示

修改环境变量，命令行输入vim ~/.bashrc，添加以下信息

bash 复制代码

export CUDA_HOME=$CUDA_HOME:/{your_path}/CUDA12.6
export PATH=$PATH:/{your_path}/CUDA12.6/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/{your_path}/CUDA12.6/lib64

然后刷新一下

bash 复制代码

source ~/.bashrc

到这里CUDA就安装完成了。可以用 nvcc -V 命令验证是否安装成功

5. 安装cuDNN

查看cuDNN与CUDA版本对应表Support Matrix --- NVIDIA cuDNN Backend

通过官网cuDNN 9.12.0 Downloads | NVIDIA Developer下载cuDNN

bash 复制代码

wget https://developer.download.nvidia.com/compute/cudnn/9.8.0/local_installers/cudnn-local-repo-ubuntu2404-9.8.0_1.0-1_amd64.deb

安装cuDNN

bash 复制代码

sudo dpkg -i cudnn-local-repo-ubuntu2404-9.8.0_1.0-1_amd64.deb

sudo cp /var/cudnn-local-repo-ubuntu2404-9.8.0/cudnn-*-keyring.gpg /usr/share/keyrings/

sudo apt-get update

sudo apt-get -y install cudnn-cuda-12

到这里，如果没有root权限，无法sudo安装的话，上面这个安装方式是行不通的，智能安装8.x版本的cuDNN，下载其压缩包，解压后替换相应文件（如果有9.x的压缩包可以在评论区留个链接，好人一生平安(｡ì _ í｡)）

选择需要的版本，下载下来上传到服务器，然后解压文件

bash 复制代码

tar -zxvf cudnn*.tgz

此时当前目录下会出现一个cuda文件夹，复制其中的文件到CUDA安装目录

bash 复制代码

cp cuda/include/cudnn.h ../CUDA12.6/include/
cp cuda/lib64/libcudnn* ../CUDA12.6/lib64/

修改权限后，cudnn安装完成

bash 复制代码

chmod a+r ../CUDA12.6/include/cudnn.h ../CUDA12.6/lib64/libcudnn*

6. conda虚拟环境安装CUDA和cuDNN

虚拟环境里安装省事，省心，强烈推荐！！！

首先查看源内所有的cuda 版本以及下载地址

bash 复制代码

conda search cudatoolkit --info

复制url字段里的下载链接，然后执行如下代码下载

bash 复制代码

wget https://repo.anaconda.com/pkgs/main/linux-64/cudatoolkit-11.8.0-h6a678d5_0.conda

进入目标环境后(conda activate py39)再执行安装命令

bash 复制代码

conda install cudatoolkit-11.8.0-h6a678d5_0.conda

要卸载CUDA可用如下命令

bash 复制代码

conda remove cuda

查看cudnn支持的cuda版本，注意cudnn的版本一定要和刚刚下载的cuda版本对应。

bash 复制代码

conda search cudnn --info

还是使用wget + url下载，然后安装

bash 复制代码

wget https://repo.anaconda.com/pkgs/main/linux-64/cudnn-8.9.2.26-cuda11_0.conda

conda install cudnn-8.9.2.26-cuda11_0.conda

在虚拟环境中安装完cuda和cudnn想要测试是否安装成功，不能使用nvcc -V命令测试，需要在虚拟环境中安装pytorch包进行测试。

7. 安装Pytorch

在官网Previous PyTorch Versions找到所需版本，根据给出的命令安装，安装的时候也是进入虚拟环境后再执行官网给出的命令

测试是否安装成功（CUDA，cuDNN和pytorch）

bash 复制代码

import torch

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

显示如下结果，表示安装成功。

以上内容均为本人多次踩坑后成功搭建好环境的过程记录，希望能帮到有需要的人。