Ubuntu搭建Pytorch环境

Ubuntu搭建Pytorch环境

例如：第一章 Python 机器学习入门之pandas的使用

提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档

前言

Ubuntu搭建Pytorch环境

提示：以下是本篇文章正文内容，下面案例可供参考

参考文献：
Ubuntu物理机显卡驱动安装的几种方式
Ubuntu搭建Pytorch环境（Anaconda、Cuda、cuDNN、Pytorch、Python、Pycharm、Jupyter）

一、Anaconda

二、Cuda

1.安装流程

查看版本：

nvidia 官网：

https://developer.nvidia.com/cuda-toolkit-archive

下载：

wget https://developer.download.nvidia.com/compute/cuda/12.8.0/local_installers/cuda_12.8.0_570.86.10_linux.run

安装：
先给权限：

再安装：

sudo sh cuda_12.8.0_570.86.10_linux.run

查看：

2、环境变量：

sudo gedit ~/.bashrc 

# <<< cuda initialize <<<
# export PATH="/anaconda3的路径名/anaconda3/bin:$PATH"
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda/extras/CPUTI/lib64
export CUDA_HOME=/usr/local/cuda/bin
export PATH=$PATH:$LD_LIBRARY_PATH:$CUDA_HOME
# <<< cuda initialize <<<

测试cuda是否安装成功

nvcc -V
cd /usr/local/cuda/extras/demo_suite/
./bandwidthTest

3、cuDNN

官网：

https://developer.nvidia.com/rdp/cudnn-archive

点击进入：
权限

sudo chmod +777 cudnn-linux-x86_64-8.9.6.50_cuda12-archive.tar.xz

并解压

unxz cudnn-linux-x86_64-8.9.6.50_cuda12-archive.tar.xz

tar -vxf cudnn-linux-x86_64-8.9.6.50_cuda12-archive.tar

安装：

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

显示：

测试：

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

结果：

4、创建Anaconda环境

1.Anaconda常用命令:查看,创建,删除环境

(1)查看anaconda的安装版本:

conda --version

(2)查看已经安装的环境(带星号的表示目前正在使用的环境):

conda env list

(3)激活对应的虚拟环境（进入环境)：

source activate envone(环境名)

(4)激活默认的虚拟环境（base环境）：

source activate 

(5)退出当前conda环境：

conda deactivate

(6)删除conda环境：

conda uninstall -n envone(环境名) --all

(7)在环境里安装需要的包:

pip install xxx

(8)查看已经安装的包：

pip list

(9)克隆已有环境：

conda create -name python32(新名字) --clone python321(老名字)

(10)删除conda环境：

conda remove -n envone(环境名) -all

2.创建ai空间,用于搭建pytorch深度学习框架

使用anaconda安装环境后,本地默认环境成为base环境。
(1)创建名为 planner 的空间：

conda create -n planner python=3.8

查看创建的环境：

(2)进入 planner 空间(虚拟环境)：

conda activate planner

4、创建PyTorch环境

1、官网：

https://pytorch.org/get-started/previous-versions/

·选择pytorch版本
·选择对应的操作系统
·选择使用什么安装,conda里可以使用pip安装的
·选择编程语言为python
·选择cuda版本:我的版本是12.1,pytorch官网上目前只给出了11.8的Cuda支持,但是社区明确表明了兼容高版本Cuda。

2、在 planner 空间中执行上面生成的命令

通过conda 创建：

conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 -c pytorch

查看安装列表：

pip list

验证pytorch是否安装：

五、安装相关依赖库的方式

六、问题解决：

问题一:AttributeError: module ‘distutils’ has no attribute ‘version’

(planner) cj@apollo:~/torch_tensorBoard$ python3 test.py 
Traceback (most recent call last):
  File "test.py", line 2, in <module>
    from torch.utils.tensorboard import SummaryWriter
  File "/home/cj/.conda/envs/planner/lib/python3.8/site-packages/torch/utils/tensorboard/__init__.py", line 5, in <module>
    LooseVersion = distutils.version.LooseVersion
AttributeError: module 'distutils' has no attribute 'version'

解决方法：
加入：

from distutils.version import LooseVersion

在文件加入文件:

问题二：ImportError: TensorBoard logging requires TensorBoard version 1.15 or above

(planner) cj@apollo:~/torch_tensorBoard$ python3 test.py 
Traceback (most recent call last):
  File "test.py", line 2, in <module>
    from torch.utils.tensorboard import SummaryWriter
  File "/home/cj/.conda/envs/planner/lib/python3.8/site-packages/torch/utils/tensorboard/__init__.py", line 9, in <module>
    raise ImportError('TensorBoard logging requires TensorBoard version 1.15 or above')
ImportError: TensorBoard logging requires TensorBoard version 1.15 or above

这是版本问题：
我们可以降低TensorBoard的版本：

(planner) cj@apollo:~/torch_tensorBoard$ pip install tensorboard==1.15.0

安装完成后：
查看一下版本：

pip list | grep tensorboard

问题三：module ‘numpy’ has no attribute ‘object’.

AttributeError: module 'numpy' has no attribute 'object'.
`np.object` was a deprecated alias for the builtin `object`. To avoid this error in existing code, use `object` by itself. Doing this will not modify any behavior and is safe. 
The aliases was originally deprecated in NumPy 1.20; for more details and guidance see the original release note at:
    https://numpy.org/devdocs/release/1.20.0-notes.html#deprecations

解决方法：
在numpy 1.19.0的版本中，存在np.object，所以要把版本降低；
查看版本：

(planner) cj@apollo:~/torch_tensorBoard$ pip list | grep numpy
numpy                         1.24.3

降低版本：

(planner) cj@apollo:~/torch_tensorBoard$ pip install numpy==1.19.0

(planner) cj@apollo:~/torch_tensorBoard$ pip list | grep numpy
numpy                         1.19.0

测试案例：

test.py文件内容：

import torch
from torch.utils.tensorboard import SummaryWriter

# 创建 SummaryWriter，日志保存到 runs/test 目录
writer = SummaryWriter("runs/test")

for i in range(100):
    # 记录 y=3x 的标量值：tag为"y=3x"，值为3*i，步骤为i
    writer.add_scalar("y=3x", 3 * i, i)

writer.close()  # 关闭写入器，确保数据保存

运行一下：

(planner) cj@apollo:~/torch_tensorBoard$ python3 test.py 
(planner) cj@apollo:~/torch_tensorBoard$ tensorboard --logdir runs
TensorFlow installation not found - running with reduced feature set.
TensorBoard 1.15.0 at http://apollo:6006/ (Press CTRL+C to quit)

点击链接：
就可以看到tensorboard绘制的图。