沈阳企业做网站_网管系统_广州百度seo_新东方雅思培训机构官网

在 上一篇文章中，我们已经安装了必要的软件，建立好了不同用户，做好了远程连接和安全防护，接下来，就要为深度学习实验做准备了。

安装NVIDIA驱动

目前，深度学习的主流硬件是具有强大算力的显卡，而目前(2025/04)显卡依然还是NVIDIA一家独大的场面，它的强大不仅体现在性能上，更多的是软件、驱动等方面的生态更加完善，使用起来更方便。
而要使用显卡，首先就是安装驱动，我安装驱动的过程完全参考B站的这个视频：https://www.bilibili.com/video/BV1wY411p7mU/?p=6&spm_id_from=333.1007.top_right_bar_window_history.content.click&vd_source=59276a77a9319f21b7dec25b3f709fdb
大家跟着视频一步一步做，大概率不会出问题，如果因为版本问题，安装过程中的提示信息有所不同，直接百度也能很快得到解决。
想测试驱动是否安装好，在ubuntu中按Ctrl+Alt+T打开终端，输入命令：

nvidia-smi

如果出现以下提示，就说明驱动安装完成，否则肯定是有问题，需要看是不是硬件型号选择错误？驱动安装过程中出问题？这些问题现在通过询问大模型可以得到很好地解决：

大家可以记一下自己终端中如图中红框内的信息，这是你的服务器能够安装的最高版本的cuda，注意关键词：能够安装的、最高版本的，不是说现在电脑中安装的cuda就是这个版本，不要混淆。
如果想查看自己服务器现在安装的cuda是什么版本，可以先用这个命令安装suda工具包：

sudo apt install nvidia-cuda-toolkit

然后通过以下命令查看cuda版本：

nvcc --version

输入如下：

Anaconda安装

Anaconda 是一个开源的软件包管理和环境管理系统，主要用于简化 Python 软件包的安装和管理过程。它特别适合数据科学、机器学习及深度学习等领域的开发者使用。Anaconda 提供了一个易于使用的图形界面和命令行工具来管理库和环境，使得用户可以轻松地安装、更新、组织和删除所使用的工具包及其依赖项。
由于深度学习项目通常依赖于多个复杂的第三方库（如 TensorFlow、PyTorch、Keras 等），通过 Anaconda，这些库可以非常容易地被安装和维护，避免了手动安装时可能出现的各种兼容性问题。并且，Anaconda 支持创建独立的工作环境，这意味着我们可以为不同的项目创建各自的环境，并根据需要安装不同版本的库或 Python 解释器。这对于处理那些可能由于版本不兼容而导致的问题特别有用。
首先打开Anaconda官网，点击【Free Download】：

在这个界面输入邮箱，提交后就进入下载界面了：

安装完成后，打开安装包所在文件夹，右键后在菜单栏中选择【在终端打开】：

在终端输入命令：

sudo bash Anaconda3-2024.10-1-Linux-x86_64.sh  

注意这里，输入sudo bash后，可以输一个An，并按键盘上的Tab键，终端会自动帮你补全后面的内容。回车即可开始安装：

该图像来源于：https://blog.csdn.net/KRISNAT/article/details/124041869
安装过程中需要注意两个地方，一个是确认安装位置：

图中最后一行括号中间的内容是默认安装位置，如果你在>>>后不填任何路径，系统就默认安装在默认安装位置，否则安装在你指定的路径下。
另一个需要注意的地方是配置环境变量的确认命令：

此处建议填no，我们自己配置环境变量。
我们希望达到的效果是每个用户都不需要自己重复安装conda，可以直接使用conda的相关命令，并且创建的环境env和包pkgs都存放在自己的目录下，这样就可以达到隔离的效果，彼环境之间不互相干扰。
首先，添加系统环境变量，为了对所有用户都成立，执行：

sudo vim /etc/bash.bashrc

在打开的文件末尾加入：

# >>> conda initialize >>>
# !! Contents within this block are managed by 'conda init' !!
__conda_setup="$('/opt/anaconda3/bin/conda' 'shell.bash' 'hook' 2> /dev/null)"
if [ $? -eq 0 ]; theneval "$__conda_setup"
elseif [ -f "/opt/anaconda3/etc/profile.d/conda.sh" ]; then. "/opt/anaconda3/etc/profile.d/conda.sh"elseexport PATH="/opt/anaconda3/bin:$PATH"fi
fi
unset __conda_setup
# <<< conda initialize <<<

注意代码中/opt/anaconda3/xxx的路径，要改成自己安装的路径，不要无脑照搬。
打开/etc/profile也加一下环境变量：

sudo vim /etc/profile

在文件末尾加入，也注意路径不要无脑照搬哦：

export PATH=/opt/anaconda3/bin:$PATH

重新载入下配置文件应该就好了：

sudo source /etc/profile

正常情况下此时终端开头会多出一个小括号，代表conda的基础环境：

为了更快地安装各种第三方软件包，可以把conda的软件源换成清华源，新建配置文件：

sudo vim /opt/anaconda3/.condarc # 注意路径

输入：

channels:- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r/- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2/- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/- defaultsenvs_dirs:- ~/.conda/envs
pkgs_dirs:- ~/.conda/pkgs

保存退出即可完成软件源配置。

不同版本Cuda安装

在炼丹时，大部分同学可能都会遇到cuda版本不匹配的问题，这时候就需要安装合适版本的cuda，本文以cuda12.1为例。
再查看一次cuda版本：

nvcc --version

输入如下：

说明电脑现在的cuda版本是11.8。
安装合适版本的cuda，首先进入12.1版本的官网安装地址，按照服务器情况选择绿框中的内容，选好后在终端中输入安装命令：

下载安装包中。。。。

安装中。。。输入accept：

回车，取消安装驱动的选项，选择【Install】：

安装成功后提示：

查看环境变量：

sudo vi ~/.bashrc

在文件末尾加入：

export PATH=/usr/local/cuda-12.1/bin${PATH:+:${PATH}}

重新激活配置文件：

source ~/.bashrc

输入nvcc --version查看环境：

安装成功！

希望该专栏对大家有帮助，欢迎纠错。