Pytorch在Ubuntu下想怎么装就怎么装

再见Caffe，Pytorch比你美

本人因科研需要，于半年前开始深度学习，在试了无数坑之后，进入了caffe的泥泞路。虽然非常地膜拜贾大神，可是由于本人才疏学浅，实在无法实现一些自定义的网络。从入门到放弃血战caffe，差不多四个月，所以真爱是需要本钱的，真爱未必就能陪你走一生。四个月，虽然不长，可是也算是酸甜苦辣都尝过了。
下面就给大家介绍一下，我的新欢Pytorch，以下是文章的主要脉络：
- 版本千万要匹配
- Ubuntu显卡驱动
- Cuda和Cudnn
- Anaconda不要只认高版本
- 一行指令装好Pytorch
- 科研要乘早

---

版本千万要匹配

老铁，千万别相信网上那些什么处理版本不匹配问题，如果你跟我一样也想少点麻烦，或者说比较懒，那就跟我装一样的版本，老铁把实验室的机子都装遍了，这一套，完全没有问题。

Ubuntu cuda cudnn anaconda python pytorch pycharm 16.04 cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb cudnn-8.0-linux-x64-v5.1.tgz Anaconda2-5.0.1-Linux-x86_64.sh 2.7 pytorch-0.2.0-py27hc03bea1_4cu80.tar.bz2 pycharm-professional-2017.2.4.tar.gz

Ubuntu显卡驱动

这个是最坑爹的一项，很多的博客说要根据显卡型号单独下载驱动安装，可是本人在尝试了N种方法之后，重装Ubuntu50次以后，我再也不相信大家的显卡会这么的奇葩，这么的不通用。不管你是什么显卡，只要支持cuda的，你就跟着我，在新系统装完后，输入一下指令：

 sudo apt-get update  sudo apt-get upgrade

点击系统设置那个齿轮，点击软件更新，在选择第三方驱动，在联网的情况下，你就可以看到，Using NVIDIA binary driver vision ？？？反正是三百多，选择最新的版本，直接按下apply 应用修改。等待就是最美的姿态。

千万要重启，驱动才能生效

Cuda和Cudnn

这个部分其实和血战caffe中的步骤是一样的，以上的步骤都是为了在Ubuntu系统下使用你的NVIDIA GPU而做的准备工作。所以下面简单说一下流程，详细可见血战caffe：

先装cuda

>sudo apt-get install build-essential  sudo apt-get install libgtk2.0-devsudo dpkg -icuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.debsudo apt-get updatessudo apt-get install cuda

接下来是cudnn

cd cuda/include/sudo cp cudnn.h /usr/local/cuda/include/cd ../lib64sudo cp lib* /usr/local/cuda/lib64/sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

说白了就是复制粘贴，接下来执行以下命令：

cd /usr/local/cuda/lib64/sudo rm -rf libcudnn.so libcudnn.so.5sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5sudo ln -s libcudnn.so.5 libcudnn.so

在终端中输入以下命令进行环境变量的配置：

sudo gedit /etc/profile

在出现的文件中进行编辑，在末尾加上并保存：

PATH=/usr/local/cuda/bin:$PATH
export PATH
创建链接文件

sudo gedit /etc/ld.so.conf.d/cuda.conf

在该文件中，插入/usr/local/cuda/lib64并保存，然后使用

sudo ldconfig

使之生效。

在终端中进入CUDA 8.0 Samples默认安装路径，输入命令：

sudo make all -j8

此步可能会出错，我这里没有出错。完成后继续输入

cd bin/x86_64/linux/release./deviceQuery

再输入

sudo apt-get install build-essential sudo apt-get install libgtk2.0-dev

如果符号链接报错：

sudo mv /usr/lib/nvidia-375/libEGL.so.1 /usr/lib/nvidia-375/libEGL.so.1.orgsudo mv /usr/lib32/nvidia-375/libEGL.so.1 /usr/lib32/nvidia-375/libEGL.so.1.orgsudo ln -s /usr/lib/nvidia-375/libEGL.so.375.66 /usr/lib/nvidia-375/libEGL.so.1sudo ln -s /usr/lib32/nvidia-375/libEGL.so.375.66 /usr/lib32/nvidia-375/libEGL.so.1

注意其中的375要根据你自己的驱动版本替换，不要无脑跟着我复制
如果没有报错就不用管了

Anaconda不要只认高版本

https://www.anaconda.com/download/#linux
就选那个 2.7python 的下载就对了，文件命是Anaconda2-5.0.0-Linux-x86_64.sh
在这个文件所在的目录打一句

bash Anaconda2-5.0.0-Linux-x86_64.sh

安装完成之后输入

source ~/.bashrcconda list

如果显示已经装的模块，就没问题，就像下面这个图一样

如果有问题，极有可能是下面的黑字出了问题
千万记住过程中都是yes和回车，最关键的加入环境变量一定要手打yes，不要只知道按回车

一行指令装好Pytorch

为什么我会爱上它而抛弃caffe，现在你们知道了吧，如果你按照我的版本，那么输入下面一句命令，

conda install pytorch torchvision cuda80 -c soumith

奇迹就会发生

如果等待迟迟未能完成，那么：

科研要乘早

conda 的服务器特别不稳定，本人到了中午以后几乎没有完成过安装，所以最简单的方法就是，早上6点速度绝对快，pytorch大概480M，看各位的想法了。

就是早起不了

那就离线安装吧，文件名如下
cuda80-1.0-0.tar.bz2
libgcc-7.2.0-h69d50b8_2.tar.bz2
pytorch-0.2.0-py27hc03bea1_4cu80.tar.bz2
torchvision-0.1.9-py27hdb88a65_1.tar.bz2
功能非常强大的Pytorhc 就依赖这几个包，是不是有种微言大义的感觉？
下载好了，使用conda 离线安装命令

conda install cuda80-1.0-0.tar.bz2conda install libgcc-7.2.0-h69d50b8_2.tar.bz2conda install pytorch-0.2.0-py27hc03bea1_4cu80.tar.bz2conda install torchvision-0.1.9-py27hdb88a65_1.tar.bz2

---