ubuntu18.04深度学习
时间: 2025-01-20 16:01:39 浏览: 44
### 配置 Ubuntu 18.04 进行深度学习
#### 安装 Anaconda3
为了简化包管理和环境管理,在 Ubuntu 上推荐使用 Anaconda 来配置 Python 环境。
```bash
wget https://repo.anaconda.com/archive/Anaconda3-2022.05-Linux-x86_64.sh
bash Anaconda3-2022.05-Linux-x86_64.sh
```
安装完成后,重启终端使更改生效并创建一个新的 conda 虚拟环境用于深度学习项目[^3]。
#### 安装 CUDA 和 cuDNN
对于 GPU 加速的支持,需要先确认系统的硬件兼容性和驱动状态良好之后再继续。接着按照 NVIDIA 提供的方法来部署适合的 CUDA Toolkit 版本以及相应的 cuDNN 库:
```bash
sudo apt-get update && sudo apt-get upgrade -y
distribution=$(. /etc/os-release;echo $ID$VERSION_ID)
curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -
curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list
sudo apt-get update && sudo apt-get install -y nvidia-container-toolkit
sudo systemctl restart docker
```
注意这里仅作为示例展示如何获取官方资源链接;实际操作时应访问[NVIDIA官方网站](https://developer.nvidia.com/)查找最新版次的信息。
#### PyTorch 的安装
一旦上述依赖项都已妥善处理完毕,则可以利用 Conda 命令轻松完成 PyTorch 及其相关组件的集成工作:
```bash
conda create --name dl_env python=3.9
conda activate dl_env
conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch-nightly -c nvidia
```
这组指令将会把指定版本的 PyTorch 搭配 CUDA 工具链一同加入到名为 `dl_env` 的环境中去[^4]。
阅读全文
相关推荐


















