从零开始部署深度学习环境

搭建深度学习环境

9.9租了一天的云服务，结果发现里面没有搭好深度环境，想放弃使用该云服务器了，但转念一想，正好写一篇如何搭建深度学习环境的blog

1. 安装显卡驱动

1. 没有安装nvidia驱动就无法使用nvidia-smi

2. 查询显卡的型号

   lspci | grep -i nvidia

   

​ 若出现上图所示，没有明确写明显卡名称，可以将最后的数字（此处为2684）输入到该网址查询

3. 查询系统架构

   cat /proc/version

   

4. 查询对应的驱动型号，点击查询

   

   查询结果如下

   

5. 根据查询结果，这里我选择安装535

   # 拉取包
   wget https://cn.download.nvidia.com/XFree86/Linux-x86_64/535.216.01/NVIDIA-Linux-x86_64-535.216.01.run
   
   # 安装驱动
   chmod +x NVIDIA-Linux-x86_64-535.216.01.run
   ./NVIDIA-Linux-x86_64-535.216.01.run

6. 验证结果

   

2. 安装Anaconda

为了验证cuda的安装是否是必要的，我决定先安装conda环境，看能否跑模型

在官网获取下载链接

# 下载链接
wget https://repo.anaconda.com/archive/Anaconda3-2024.10-1-Linux-x86_64.sh

# 执行安装
./Anaconda3-2024.10-1-Linux-x86_64.sh
# 也可以指定安装路径
bash Anaconda3-2024.10-1-Linux-x86_64.sh -p /opt/anaconda3

source ~/.bashrc

3. 安装pytorch

直接在官网下载兼容版本cuda版本的对应的pytorch

注意：这里的cuda version并不是已安装的cuda版本（显然我的系统还没有安装cuda）这指的是与显卡驱动兼容的最大cuda版本号

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

4. 验证结果

不需要安装cuda也能跑模型