深度学习——Ubuntu20.04服务器版本系统安装，及NVIDIA显卡驱动和
PyTorc。。。
最近重装了服务器的系统，升级到了Ubuntu 20.04.1 LTS Server版本，同时为了满⾜深度学习对GPU的使⽤需求，安装了NVIDIA显卡驱动和PyTorch环境，在这⾥记录⼀下完整的安装流程。
安装的系统：Ubuntu 20.04.1 LTS Server版本
GPU型号：TITAN XP
1. 使⽤U盘制作启动盘
⾸先我们下载UltraISO软碟通，通过这个软件将系统⽂件刻录到U盘⾥，以制作安装启动盘。打开安装程序，⼀路点击确认，⾃动安装好就可以使⽤了。
接下来，到下载最新LTS版本的系统iso⽂件，LTS意为长期⽀持，会定时发布系统更新。我这⾥选择的是服务器版本ubuntu-20.04.1-live-server-amd64.iso。当然也可以根据⾃⼰的需求选择安装桌⾯版，版本号相同的话，安装的本质内容是相同的。区别在于，桌⾯版有GUI图形界⾯，并且安装了许多服务器版没有的软件，多为个⼈电脑所配置，适合新⼿使⽤；⽽服务器版适⽤于web服务器，服务器版本只能通过命令⾏进⾏操作，需要有⼀定linux基础。
下载好了相应的iso⽂件后，我们需要利⽤UltraISO软碟通软件来将iso⽂件刻录到U盘⾥。在⾃⼰的电脑上插⼊U盘，打开UltraISO软碟通，选择“⽂件>打开”，选择下载好的iso⽂件。再点击“启动>写⼊硬盘镜像”，⾸先对U盘进⾏格式化，写⼊⽅式选择“USB-
HDD+”，点击“便捷启动>写⼊新的驱动器引导扇区”，选择Syslinux，最后点击“写⼊”，等待写⼊完成即可。这样，我们的U盘启动安装盘就制作完成了。
2. 安装Ubuntu系统
将U盘插⼊到服务器的USB接⼝，重启服务器，连续按F11（不同的电脑快捷键不⼀样，请⾃⾏查询）进⼊BOOT启动选项，到并选择我们的U盘启动，⾄此进⼊了安装程序，选择 Install Ubuntu， 回车直接进⼊安装界⾯。
⾸先选择语⾔、键盘布局，这⾥我默认选择了英⽂。接下来根据⾃⼰的情况配置⽹络，也可以先跳过等安装完成后再配置。然后进⼊到分区，我的服务器上有两块硬盘，这⾥我选择⼿动分区。选择空间较⼩的⼀块硬盘（sda）作为系统盘，⾸先选择reformat将硬盘分区重置，最终硬盘空间分配结果为：/boot
分配1GB，/swap分配64GB（这⾥交换空间分配的太多了，具体可以根据⾃⼰的物理内存查合适的swap对应关系），其余空间均分配给根⽬录；同时，将另⼀块1.8T的硬盘（sdb）挂载到/home⽬录，提供给我们创建⽤户使⽤。
配置完分区后，进⼊到设置root账号密码，填写完成后选择安装软件，这⾥我安装了openssh，⽅便之后远程连接。最后，等待系统安装完成出现“finish install”后，选择“reboot now”重启，根据提⽰拔掉U盘，回车，重启后系统成功安装完成。
3. 安装NVIDIA显卡驱动
⾸先我们到NVIDIA官⽹，查适⽤于⾃⼰NVIDIA 产品的驱动程序。
点击DOWNLOAD进⾏下载。
由于我们之前安装了openssh，配置好⽹络后，便可以远程连接服务器进⾏操作。使⽤Xftp将下载好的显卡驱动安装⽂件传到服务器上。使⽤Xshell，通过ssh协议与服务器建⽴连接，进⾏命令⾏操作。远程连接好服务器后，⾸先根据以下命令安装⼀些所需要的依赖，另外缺少什么可以根据提⽰⾃⾏安装。
sudo apt-get update
sudo apt update
sudo apt-get install gcc
sudo apt install lightdm
sudo apt-get install make
sudo apt install nvidia-cuda-toolkit
sudo apt install dkms build-essential linux-headers-generic
禁⽤ nouveau 驱动
sudo vim /etc/modprobe.f
在⽂件末尾加⼊（综合⽹上各种教程）
blacklist rivafb
blacklist vga16fb
blacklist nouveau
blacklist nvidiafb
blacklist rivatv
options nouveau modeset=0
blacklist lbm-nouveau
alias nouveau off
alias lbm-nouveau off
保存并退出
禁⽤ nouveau 内核模块
echo options nouveau modeset=0 | sudo tee-a /etc/modprobe.f
sudo update-initramfs -u
卸载旧版本的nvidia驱动
sudo apt-get --purge remove nvidia-*
重启
sudo reboot
服务器关闭图形界⾯
sudo service lightdm stop
修改⽂件权限，安装驱动
cd /home/software
sudo chmod a+x NVIDIA-Linux-x86_64-450.66.run
sudo ./NVIDIA-Linux-x86_64-450.66.run -no-x-check -no-nouveau-check -no-opengl-files
安装过程中遇到的问题选择
1. Would you like to register the kernel module sources with DKMS? This will allow DKMS to automatically build a new
module, if you install a different kernel later. ——NO
2. Install NVIDIA’s 32-bit compatibility libraries?——NO
3. Would you like to run the nvidia-xconfig utility to automatically update your X configuration file so that the NVIDIA X
driver will be used when you restart X? Any pre-existing X configuration file will be backed up. ——YES
安装完毕，重启
sudo reboot
挂载驱动
modprobe nvidia
nvidia-smi
出现如下界⾯，安装成功
4. 安装Anaconda和Pytorch
到，根据⾃⼰的系统下载对应的Anaconda安装包，我这⾥下载的是Anaconda3-2020.07-Linux-x86_64.sh，并把它放到服务器上，通过如下命令运⾏。
sudo bash Anaconda3-2020.07-Linux-x86_64.sh
空格跳过⽂字，选择安装⽬录
[/root/anaconda3] >>> /usr/anaconda3
安装完成后，修改环境变量，输⼊
sudo vim /etc/profile
在末尾添加 export PATH="/usr/anaconda3/bin:$PATH"
保存并退出，更新系统环境变量
source /etc/profile
在命令⾏输⼊python3，出现以下信息表⽰安装成功
添加清华镜像源，避免以后下载环境过程中，出现下载过慢的情况
conda config --add channels mirrors.tuna.tsinghua.edu/anaconda/pkgs/free/
conda config --add channels mirrors.tuna.tsinghua.edu/anaconda/pkgs/main/
conda config --set show_channel_urls yes
输⼊命令，查看cuda版本号
nvcc -V
到，选择相应的pytorch版本、系统版本、安装⽅式、语⾔和cuda版本，下⽅会⾃动⽣成安装命令。
在命令⾏输⼊
conda install pytorch torchvision cudatoolkit=10.1 -c pytorch
即可进⾏pytorch的安装。
注意：这⾥末尾添加的"-c pytorch"是使⽤pytorch官⽅的通道进⾏下载，但是经常出现下载速度过慢导致⽆法下载完成的情况，这⾥还可以考虑去掉"-c pytorch"使⽤清华镜像源下载。如果需要下载的版本在清华镜像源⾥没有到，那么可以从官⽹下载离线的pytorch安装包，我这⾥选择了pytorch-1.6.0-py3.8_cuda10.1.243_cudnn7.6.3_0.tar.bz2，将安装包传到服务器上，通过以下命令来安装：
conda install --offline pytorch-1.6.0-py3.8_cuda10.1.243_cudnn7.6.3_0.tar.bz2
安装完成后，通过以下命令进⾏检查，出现以下界⾯则pytorch安装成功

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。