建立深度学习工作站：在Ubuntu上安装Pytorch (慎用alias更换Python版本！！！)

Dear 丶 2022-08-31 00:45 25阅读 0赞

### 目录 ###

*  一、前言
 *  开始安装Pytorch!
 *   *  二、创建虚拟环境
     *  三、虚拟环境的激活与退出
     *  四、\[选择\](https://pytorch.org/get-started/previous-versions/)需要安装的pytorch版本
     *  五、进行验证
     *  六、参考资料
 *  更简单的方法
 *   *  一、前言
     *  二、通过anaconda搭建深度学习工作站

# 一、前言 #

1.有些论文的作者使用keras作为深度学习框架，所以我写了篇博客，讲解[“建立深度学习工作站：在Ubuntu上安装Keras及其依赖”][Ubuntu_Keras]。  
2.但毕竟Pytorch才是主流深度学习框架，所以，在本篇博客中，我谈谈：**如何在Ubuntu上安装Pytorch。**

> 说明：  
> （1）《python深度学习》是以keras作为深度学习框架的，所以，学学keras也不错。顺便感受下tensorflow的恶心…  
> （2）从Pytorch的安装就可以感受到，Pytorch比TensorFlow优雅太多了！！！

**强烈建议：采用anaconda搭建深度学习工作站！！！**

=====================================================================================

# 开始安装Pytorch! #

## 二、创建虚拟环境 ##

1.虚拟环境保存在默认路径 （本博客不采用）  
`conda create -n forrestDL python=3.6`  
![在这里插入图片描述][c148ce2f3837d479e8007714343f1157.png]  
![在这里插入图片描述][a37b253dd11725492dafee23bc87fe31.png]

> 如上图所示则创建好了。

PS：**删除虚拟环境的方法** `conda remove -n xxx --all`  
![在这里插入图片描述][e377a95b0e2978fb8dc5f8837302d42f.png]

2.指定虚拟环境的安装路径 (本博客采用)  
`conda create --prefix=/ssd/xm/envs/forrestDL python=3.6`  
![在这里插入图片描述][023c9fe377c50553b91b5d65e67fd476.png]

> 这种方法的缺点是，没虚拟环境的名字…activate不方便。  
> 查看虚拟环境信息：`conda info -e`  
> ![在这里插入图片描述][7e9408c1b58fcaefc8423f10b77359b8.png]

## 三、虚拟环境的激活与退出 ##

1.激活  
`conda activate /ssd/xm/envs/forrestDL/`  
![在这里插入图片描述][9c0e648847d41586fd2cd81988fb858a.png]  
2.退出  
`conda deactivate`  
![在这里插入图片描述][071cb13fdd584c49debb940cc797b280.png]

## 四、[选择][Link 1]需要安装的pytorch版本 ##

1.之前装的cudatoolkit版本是10.0.130，所以选择下图的pytorch版本。  
![在这里插入图片描述][ff56cfdb1927fbde83b629ea33f0d543.png]  
2.安装：`conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0 -c pytorch`  
![在这里插入图片描述][b700598f120c3b7ae3bfc806bf464c49.png]  
![在这里插入图片描述][9cefeb11a7c7f04804a60abf1edc8eae.png]

> 就这么简单，pytorch就安装好了。

## 五、进行验证 ##

0.意外的失败  
![在这里插入图片描述][e48c2592976b890687d2fce5b08bded9.png]

> 明明显示pytorch在虚拟环境中存在了，结果`import torch`却失败了…

1.意外的发现  
![在这里插入图片描述][8be5985eb159c1ca1b983bb7e87f1127.png]

> 通过xshell远程连接同一服务，`import torch`却成功了！

2.玄学  
（1）xshell  
![请添加图片描述][a42841421cae1ebe881f93e5addf674c.png]  
（2）vscode Remote SSH  
![请添加图片描述][965f8b7eaee997b8d210b93c82632612.png]

> 两者明明一致，结果却不同…

3.猜测  
之所以会是`python 3.6.9`，是因为之前通过`alias`更换python版本，没想到导致了上述的玄学情况。  
通过注释掉`alias`，`source ~/.bashrc`，甚至得重新连接服务器，一切才正常。  
![在这里插入图片描述][e1a76f3086a698a1142b7c0a11ea854e.png]  
![在这里插入图片描述][8b338b27779580df43bbd34e9b12013c.png]

> 感谢滔哥的指导，目前，我还没弄清楚其中的前因后果，需要去看看`《鸟哥的Linux私房菜》`才行。

## 六、参考资料 ##

1.[Ubuntu下利用Conda创建虚拟环境并安装Pytorch各版本教程][Ubuntu_Conda_Pytorch]

# 更简单的方法 #

## 一、前言 ##

我之前安装的Pytorch是1.2.0的版本，后来发现Pytorch的版本至少是1.4.0才支持TensorBoard。  
因此，只能重新安装Pytorch了，然后发现通过`anaconda`，可以超级简单地搭建深度学习工作站！

## 二、通过anaconda搭建深度学习工作站 ##

1.版本选择  
（1）Pytorch==1.9.0  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zNzQ3NzAwOQ_size_16_color_FFFFFF_t_70]  
（2）CUDA 10.2

（3）cuDNN 7.6.5

（4）Python 3.7

2.搭建过程  
（1）创建虚拟环境  
`conda create --prefix=/ssd/xm/envs/CUDA10_2 python=3.7`  
![在这里插入图片描述][586409779c664b299079a167d254d740.png]  
（2）激活虚拟环境  
`conda activate /ssd/xm/envs/CUDA10_2/`  
![在这里插入图片描述][0e532d5334764707aada7285c975b0df.png]  
（3）安装CUDA10.2 cuDNN7.6.5  
`conda install cudnn=7.6.5`  
![在这里插入图片描述][0308610c54594b9994e0463c7d18d7b0.png]  
![在这里插入图片描述][2e2c4f3a2cc2418cacac01a0b79fa0be.png]  
（4）安装Pytorch  
`conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch`  
![在这里插入图片描述][97648920f66c44639a0061628814fa0f.png]  
（5）测试  
![在这里插入图片描述][a67a4816dd91449f8c6683d551fa17a2.png]

[Ubuntu_Keras]: https://blog.csdn.net/weixin_37477009/article/details/118963648
[c148ce2f3837d479e8007714343f1157.png]: /images/20220829/a5b38dc39e6d4d0ea549f4fc9f451bbd.png
[a37b253dd11725492dafee23bc87fe31.png]: /images/20220829/ab7125805ef042eda39431b8d7ac6568.png
[e377a95b0e2978fb8dc5f8837302d42f.png]: /images/20220829/6faa2b8d41e3467386e46088f99c38a0.png
[023c9fe377c50553b91b5d65e67fd476.png]: /images/20220829/dd8f23912b254770a50e881a16853091.png
[7e9408c1b58fcaefc8423f10b77359b8.png]: /images/20220829/abc5d3fd5868450c8372a035b65a1028.png
[9c0e648847d41586fd2cd81988fb858a.png]: /images/20220829/2fc437c3b1f84643bbc35348e06e0a52.png
[071cb13fdd584c49debb940cc797b280.png]: /images/20220829/414da4eb609d4895a18423484e4da5f9.png
[Link 1]: https://pytorch.org/get-started/previous-versions/
[ff56cfdb1927fbde83b629ea33f0d543.png]: /images/20220829/b66c7feef26c4d999f3edc11e6110f7f.png
[b700598f120c3b7ae3bfc806bf464c49.png]: /images/20220829/28db425df81c4357bd2ecdc7ec3e1b6c.png
[9cefeb11a7c7f04804a60abf1edc8eae.png]: /images/20220829/a3f1c8903e8946d2867bdcda2f89953c.png
[e48c2592976b890687d2fce5b08bded9.png]: /images/20220829/b9c81427783345aa8dc6b191f3c929af.png
[8be5985eb159c1ca1b983bb7e87f1127.png]: /images/20220829/c6200899e6b14da29d2d11557bb39627.png
[a42841421cae1ebe881f93e5addf674c.png]: /images/20220829/a5b6098bff464b48a55c2a3d13029baf.png
[965f8b7eaee997b8d210b93c82632612.png]: /images/20220829/6edb7fdd82bd4b4f954769392d1a143d.png
[e1a76f3086a698a1142b7c0a11ea854e.png]: /images/20220829/9ad27c45f2b346ffbc8618ff2b564093.png
[8b338b27779580df43bbd34e9b12013c.png]: /images/20220829/a59c4aac4c7548d6bbe0abdfc13e06dd.png
[Ubuntu_Conda_Pytorch]: https://blog.csdn.net/m0_37758063/article/details/110734347
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zNzQ3NzAwOQ_size_16_color_FFFFFF_t_70]: /images/20220829/33b0fa38d58d4fcfac7c3f698738a9d3.png
[586409779c664b299079a167d254d740.png]: /images/20220829/7daff1fed18d41ec996f8a9de93a1c2c.png
[0e532d5334764707aada7285c975b0df.png]: /images/20220829/67b602a2f67946ce91a8228055990a7d.png
[0308610c54594b9994e0463c7d18d7b0.png]: /images/20220829/2c0f86a97235458da18520390b93d269.png
[2e2c4f3a2cc2418cacac01a0b79fa0be.png]: /images/20220829/fcd618b5067742759d1352e584da6a68.png
[97648920f66c44639a0061628814fa0f.png]: /images/20220829/28d52f4a1ef44409ad5c131050b955bd.png
[a67a4816dd91449f8c6683d551fa17a2.png]: /images/20220829/88c80f90b9d4435ba9acb1161bca706d.png