在移动硬盘上搭建Ubuntu24.04深度学习环境（Anaconda + CUDA + Pytorch） ...

---

媒介

最近打算在Linux上举行深度学习，但手头没有现成的Linux环境，同时盼望在个人的台式电脑和无独显的笔记本上都能利用，必要新安装的系统具有一定的便捷性，恰好手头有闲置的移动硬盘，故实行并实现了在移动硬盘上搭建深度学习环境，在此记录下Ubuntu24.04系统从镜像烧录到Pytorch-gpu安装的全过程
预备工作：

• 8GB以上U盘*1（用于烧录系统镜像）
  
• 大容量移动硬盘*1（也可利用速率较快的固态U盘，本文以容量1T的移动硬盘为例，存取速率1000M/s）
  

---

一、Ubuntu安装

（1）安装U盘制作

本文利用的Ubuntu 24.04 LTS amd64下载链接：Ubuntu 24.04 LTS amd64
也可以在官网下载其他版本的系统镜像：Download Ubuntu Desktop

插入U盘，这里利用rufus举行安装U盘的制作，选项设置如下（留意：U盘必要被格式化）

确认无误后点击“开始”，即可完成安装U盘的制作
（2）固态硬盘格式化

   这里利用DiskGenius举行硬盘操纵，其他软件或Windows系统自带的“磁盘管理”也可以
  选择“删除全部门区”

操纵结果如下所示：

（3）正式安装Ubuntu

插入制作好的安装U盘并重新启动，进入Ubuntu安装界面，必要留意的点有以下：

• 欢迎界面 > 选择语言“中文（简体）”
  
  
  
  
• 安装类型 > 选择手动分区
  
  
  
  
• 具体空间分配可以参考：
  
  
  
  

注：

• sda1，即efi的挂载点是选择了”用于安装的引导程序“后主动天生的，分完空间后我多留了一些空间，以便后续格式化为NTFS格式，继续当成平常移动硬盘用
  

以上操纵完成后，再次重启电脑，选择新安装的系统盘引导启动，进入安装完成的Ubuntu系统
二、Ubuntu更换下载源

安装gedit编辑工具：sudo apt-get install gedit
由于是新系统，所以起首要设置root账户：sudo passwd root
   进入root账户的指令：su root
  利用gedit文本编辑器打开sources文件：sudo gedit /etc/apt/sources.list.d/ubuntu.sources
将内容替换为：

1. Types: deb deb-src
2. URIs: https://mirrors.aliyun.com/ubuntu/
3. Suites: noble noble-updates noble-backports noble-security noble-proposed
4. Components: main restricted universe multiverse
5. Signed-By: /usr/share/keyrings/ubuntu-archive-keyring.gpg
7. Types: deb deb-src
8. URIs: https://mirrors.tuna.tsinghua.edu.cn/ubuntu/
9. Suites: noble noble-updates noble-backports noble-security noble-proposed
10. Components: main restricted universe multiverse
11. Signed-By: /usr/share/keyrings/ubuntu-archive-keyring.gpg
13. Types: deb deb-src
14. URIs: http://mirrors.163.com/ubuntu/
15. Suites: noble noble-updates noble-backports noble-security noble-proposed
16. Components: main restricted universe multiverse
17. Signed-By: /usr/share/keyrings/ubuntu-archive-keyring.gpg
19. Types: deb deb-src
20. URIs: https://mirrors.ustc.edu.cn/ubuntu/
21. Suites: noble noble-updates noble-backports noble-security noble-proposed
22. Components: main restricted universe multiverse
23. Signed-By: /usr/share/keyrings/ubuntu-archive-keyring.gpg
25. Types: deb
26. URIs: http://cn.archive.ubuntu.com/ubuntu/
27. Suites: noble noble-updates noble-backports
28. Components: main restricted universe multiverse
29. Signed-By: /usr/share/keyrings/ubuntu-archive-keyring.gpg
31. Types: deb
32. URIs: http://security.ubuntu.com/ubuntu/
33. Suites: noble-security
34. Components: main restricted universe multiverse
35. Signed-By: /usr/share/keyrings/ubuntu-archive-keyring.gpg

复制代码

更新下载源：sudo apt-get update
三. Anaconda安装+换源

（1） Anconda安装

起首在镜像站下载Anaconda：清华大学开源软件镜像站
我下载的版本是：Anaconda3-2024.02-1-Linux-x86_64.sh，可以直接点这个链接下载：Anaconda3-2024.02-1-Linux-x86_64.sh
进入安装包地点目录，利用bash指令安装：bash Anaconda3-2024.02-1-Linux-x86_64.sh
enter > yes > enter > yes 完成安装，若想验证是否安装乐成，可重启终端输入：conda info
（2）换源

由于我们还没利用过conda config指令，所以先实行一下以天生.condarc文件：conda config
打开文件：sudo gedit ~/.condarc
替换为以下内容并保存：

1. channels:
2.   - defaults
3. show_channel_urls: true
4. default_channels:
5.   - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
6.   - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
7.   - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
8. custom_channels:
9.   conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
10.   msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
11.   bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
12.   menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
13.   pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
14.   pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
15.   simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

复制代码

验证是否更改乐成：conda config --show-sources

出现以上结果即为安装乐成
四、显卡驱动安装

（1）安装预备

在官网下载安装程序：官方驱动 | NVIDIA
我的设备是4060Ti，下载的驱动是：NVIDIA-Linux-x86_64-550.78.run
由于系统安装时语言选择了中文，一样平常默认下载到“下载”文件夹，这里先把文件移动到/home目录下，避免中文路径产生问题

安装所需依赖：
sudo apt-get update
sudo apt-get install g++ gcc make
安装NVIDIA驱动要禁用系统自带显卡驱动nouveau，起首打开文件：sudo gedit /etc/modprobe.d/blacklist.conf
在末端添加并保存：

1. blacklist nouveau
2. options nouveau modeset=0

复制代码

改完要更新系统镜像文件，在终端中输入：sudo update-initramfs -u
完成后重启Ubuntu，开机后在终端中输入：lsmod | grep nouveau
假如没有输出就阐明禁用了nouveau
（2）正式安装

接下来要进入tty正式安装显卡驱动，用其他设备继续阅读以下内容，固然Ctrl+Alt+F2可以切回图形桌面（不可的话试试Ctrl+Alt+F1到F6），但是剪贴板用不了
进入tty3，组合键：Ctrl+Alt+F3
禁用X-window：sudo service gdm3 stop
进入驱动安装程序的存放目录（pwd可查看当前路径，ls列出目录下文件）
给安装文件权限：sudo chmod 777 NVIDIA-Linux-x86_64-525.53.run
安装显卡驱动：sudo ./NVIDIA-Linux-x86_64-525.53.run –no-opengl-files -no-x-check
出现这个选择 “Yes”：Would you like to run the nvidia-xconfig utility to automatically update your X configuration file so that the NVIDIA X driver dill be used dhen you restart X? Any pre-existing X configuration file will be backed up.
安装完毕后启动X-window：sudo service gdm3 start
回到图形桌面，按组合键：Ctrl+Alt+F2
验证安装是否乐成，在终端输入：nvidia-smi

出现以上结果即为安装乐成
五、CUDA + cuDNN 安装和设置

（1）CUDA安装

理论上，可以直接从官网下载并安装Ubuntu24.04对应的cuda版本，但停止发稿时官网相应版本的CUDA还没放出，故下文采用先前版本安装，相比直接安装对应版本多一个安装libtinfo5的步骤
官网下载：CUDA Toolkit Archive | NVIDIA Developer
若直接安装了适配24.04的版本，安装完成后跳至设置部门，否则继续本节操纵：
下载libtinfo5：wget http://archive.ubuntu.com/ubuntu/pool/universe/n/ncurses/libtinfo5_6.4-2_amd64.deb
防止权限不足，先辈到root账户提高权限：su root
安装libtinfo5：dpkg -i libtinfo5_6.4-2_amd64.deb
下面正式开始安装cuda11.8，这里选择用run文件安装，依次实行以下下令：
wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run
sudo sh cuda_11.8.0_520.61.05_linux.run
安装过程中留意取消勾选Driver选项，以避免重复安装显卡驱动导致安装失败，取消勾选后的界面如下图所示：

   假如下错了，可以用官方给的指令删除cuda：
   sudo apt-get --purge remove "*cublas*" "*cufft*" "*curand*" "*cusolver*" "*cusparse*" "*npp*" "*nvjpeg*" "cuda*" "nsight*"
  再进入 /usr/local，删除剩余的cuda文件（xx改为你的版本号）：sudo rm -rf cuda-xx.x
  （2）CUDA设置

打开环境变量设置文件：gedit ~/.bashrc
添加以下内容：

1. export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
2. export PATH=$PATH:/usr/local/cuda/bin
3. export CUDA_HOME=$CUDA_HOME:/usr/local/cuda

复制代码

激活环境变量：source ~/.bashrc
检查是否完成安装：nvcc -V

出现以上结果即为安装乐成
   cuda也可以通过anaconda或直接安装多个版本，在.bashrc的设置可以参考：http://t.csdnimg.cn/fQXX8
  假如想为不同conda虚拟环境安装不同的cuda版本，以11.8版本为例，进入环境后实行以下下令也可快速完成安装：
  conda install cudatoolkit==11.8 -c nvidia
  conda install -c "nvidia/label/cuda-11.8.0" cuda-nvcc
  （3）安装cuDNN

前往官网下载与cuda对应版本的cuDNN，我装的是cuda11.8，所以选择的版本是：cudnn-linux-x86_64-8.9.7.29_cuda11-archive.tar.xz
下载地址：cudnn-archive

下载完成后，进入下载目录，举行以下操纵：（xxx.tar.xz改为你的包名）：
提取cuDNN文件：tar -xf xxx.tar.xz
依次实行以下指令，将提取后的文件复制到cuda目录下，cuda版本不一样的留意修改路径：
sudo cp xxx/include/* /usr/local/cuda-11.8/include
sudo cp xxx/lib/libcudnn* /usr/local/cuda-11.8/lib64
提升权限：
sudo chmod 777 /usr/local/cuda-11.8/include/cudnn.h
sudo chmod 777 /usr/local/cuda-11.8/lib64/libcudnn*
测试：cat /usr/local/cuda-11.8/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

出现以上结果即为安装乐成
六.、Pytorch安装

推荐先用anaconda创建并进入一个虚拟环境，再安装Pytorch：
pip install torch==2.1.1 torchvision==0.16.1 torchaudio==2.1.1 --index-url https://download.pytorch.org/whl/cu118
检查安装：
先辈入python，在终端输入：python

1. import torch
2. print(torch.cuda.is_available())
3. print(torch.__version__)

复制代码

其他：

• pycharm下载：Download PyCharm: The Python IDE for data science and web development by JetBrains
  
• pip换源：pip config set global.index-url https://mirrors.aliyun.com/pypi/simple
  

参考：

• Ubuntu 24.04 设置镜像源-CSDN博客
  
• pip切换下载源（多种国内源）_pip国内换源-CSDN博客
  
• ubuntu安装及深度学习框架（CUDA、cuDNN、Anaconda、pytorch、pycharm）
  
• Ubuntu20.04安装到U盘里（以及ros环境的搭建）_ubuntu20.04 安装到u盘-CSDN博客
  
• ubuntu完全卸载CUDA_卸载cuda linux-CSDN博客
  
• 【超具体】【ubunbu 22.04】 手把手教你安装nvidia驱动，有手就行，隔壁家的老太太都能安装
  
• Ubuntu 24.04 Preview 版安装 libtinfo5
  

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。