Ubuntu22.04部署Pytorch2.0深度学习环境

Ubuntu安装完显卡驱动、CUDA和cudnn后，下面部署深度学习环境。 （安装Ubuntu系统、显卡驱动、CUDA和cudnn见我之前的文章）

从官网（anaconda.com）下载。 首页会自动根据你的系统判断，直接点Download即可。 sh文件下载完毕后，打开终端，使用bash命令安装 bash Anaconda3-2023.03-1-Linux-x86_64.sh。 根据提示进行安装即可。

安装路径可以默认。

输入yes，初始化Anaconda。

安装完成～

根据上面提示，如果想要conda的基础环境（base）在启动时不被激活，需要输入： conda config --set auto_activate_base false 我们重启终端，输入以上命令即可。

这样安装完毕！

我们之前已经安装了cuda 11.7和cudnn。 这次试着创建一个名为“pytorch2”新的python环境（Python3.10）：

打开终端，创建新环境。

接着激活。

拟安装： pytorch2.0 torchvison0.15.1 torchaudio2.0.1 （注：既往cuda版本和pytorch版本对应参考：pytorch； pytorch和 torchvision、torchaudio 版本的对应参考：torchaudio、torchvision）

在首页，我们可以获取安装的命令，在刚创建的环境下，终端输入即可（如下图）。 当然，我们也可以自行下载对应的包自己安装。

再介绍一下手动下载安装对应的库的方法。 下载地址：https://download.pytorch.org/whl/torch_stable.html 找到对应的链接： 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

终端激活对应环境，安装轮子：

注：如果安装依赖包很慢，可以在命令行后面添加清华源地址 -i https://pypi.tuna.tsinghua.edu.cn/simple

最后再安装一些必要的包，如numpy,pandas,matplotlib,opencv-python,tqdm等即可。

测试GPU是否可用：

官网下载：https://code.visualstudio.com/Download 选择.deb（我是x64版）

下载完deb文件后，终端输入sudo dpkg -i code_1.77.3-1681292746_amd64.deb安装。 安装完后打开VS Code，安装Python插件即可。

终端：

以3秒一刷新的方式打开nvidia-smi，可以实时查看显存情况和进程。

下面一张图直接对比了Ubuntu、Windows10的训练速度对比。 均为采用MobileNet微调模型训练猫狗分类实例（具体例子见我）。