centos下通过conda安装pytorch

一、安装anaconda

　anaconda安装简单，只要确定自己的系统即可，具体安装请参考这里

二、确定自己的系统版本

　我的是centos

cat /etc/redhat-release

　查看linux系统方法：

# 方法一
cat /proc/version

# 方法二
lsb_release -a

# 方法三
cat /etc/issue

# 方法四
cat /etc/redhat-release

三、确定自己的CUDA版本

　什么是cuda：

　　CUDA(ComputeUnified Device Architecture)，是显卡厂商NVIDIA推出的运算平台。 CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题

　　简单说强大的芯片如果只是作为显卡就太浪费了，因此N卡厂商推出CUDA，让显卡可以用于图像计算以外的目的

　什么是cudnn：（注意：CUDA和CuDNN一般都是结伴而行，如果需要CUDA，必然会需要CuDNN）

　下载地址：注意这里需要注册才能下载，我用qq邮箱，密码首字母大写

　　CUDA看作是一个工作台，上面配有很多工具，如锤子、螺丝刀等。cuDNN是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。它就相当于工作的工具，比如它就是个扳手

　　但是CUDA这个工作台买来的时候，并没有送扳手。想要在CUDA上运行深度神经网络，就要安装cuDNN，就像你想要拧个螺帽就要把扳手买回来。这样才能使GPU进行深度神经网络的工作，工作速度相较CPU快很多

　　cudnn下载解压后cuda目录下有下面内容：

　　修改权限：

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

　Centos7安装NVIDIA显卡驱动和CUDA10.1（以10.1为例）：

　　先查看自己的linux上显卡型号：

lspci | grep -i nvidia

 　　可见我的显卡杠杠滴

　　显卡驱动下载：（下载与自己显卡型号一致的驱动）

 

 

 

 　　注意：在安装显卡驱动的时候如果报错

ERROR: An NVIDIA kernel module 'nvidia-uvm' appears to already be loaded in your kernel.  This may be because it is in use (for example, by the X server), but may also happen if your kernel was configured

　　我们需要查看是否有程序占用（如果存在占用，请停掉该程序）

lsof | grep nvidia.uvm

　　当然显卡驱动也可以这样安装：（推荐）

sudo yum install nvidia-detect  # 安装检查显卡的程序
nvidia-detect -v  # 查看需要的显卡驱动型号
yum -y install kmod-nvidia  # 安装驱动

 　　卸载驱动：

sudo yum remove kmod-nvidia

　　

　　如果通过官网下载驱动安装时找不到kernel，通过下面的方式安装驱动（确保kernel已经安装）

sudo ./NVIDIA-Linux-x86_64-430.40.run --kernel-source-path=/usr/src/kernels/3.10.0-514.el7.x86_64

　　

　　cuda下载：

　　

　　检查linux是否安装了GPU

lspci | grep -i nvidia

　　安装 cuda 的时候，会询问是否安装显卡驱动，说明 cuda 安装程序里包含了的显卡驱动；建议先不要安装 cuda 里的显卡驱动，待安装完 cuda 后，执行例子程序，如果报错再检查显卡驱动是否正确，避免覆盖原来的显卡驱动

　　安装gcc、g++编译器：先查看是否已经安装（gcc -v）

yum install gcc
yum install g++

　　安装kernel-devel和kernel-headers：

yum install kernel-devel
yum install kernel-headers

　　注意这里的kernel要和自己的linux系统版本一致：可以使用uname -r查看自己的系统版本

uname -r
#3.10.0-514.el7.x86_64

　　有时候直接yum安装的版本比较新，导致显卡驱动安装失败

sudo yum remove kernel-devel # 卸载新的
sudo rpm -i kernel-devel-3.10.0-514.el7.x86_64.rpm #下载安装适合的版本

　　版本下载

　　编辑grub文件

vim /etc/default/grub

　　在GRUB_CMDLINE_LINUX中的末尾（注意要包含在引号内）添加/rd.driver.blacklist=nouveau nouveau.modeset=0

　　随后生成配置：

grub2-mkconfig -o /boot/grub2/grub.cfg

　　

　　禁用nouveau：将blacklist nvidiafb注释掉，并添加如下内容，禁用的原因点击这里

　　　blacklist nouveau
　　　options nouveau modeset=0

　　更新配置并重启：

sudo mv /boot/initramfs-$(uname -r).img /boot/initramfs-$(uname -r).img.bak
sudo dracut /boot/initramfs-$(uname -r).img $(uname -r)
reboot

　　

　　重启后确认禁用了nouveau：

lsmod | grep nouveau
# 没有内容输出表示禁用成功

　　

　　赋予权限并安装驱动和CUDA-10.0：

./NNVIDIA-Linux-x86_64-430.50.run
./cuda_10.1.243_418.87.00_linux.run

　　查看安装结果

nvidia-smi

　　显卡驱动和cuda安装成功后，就可以用conda install 来安装python包了（注意：虚拟机无法调用GPU，即使所有的环境配置好，代码依然会报：all cuda 忙或者不可用的错误）

　　推荐搭建使用docker来安装深度学习环境，方便部署

　　总结：大家可以参考这个来安装深度学习框架

　　接下来安装pytorch-gpu：

conda create --name pytorch_gpu python=3.6.10
source activate pytorch_gpu
conda install pytorch torchvision cudatoolkit=10.1