配置机器学习开发环境-Anaconda自动配置虚拟显卡

前言

之前Ubuntu18.04下载显卡总是出问题，用Ubuntu20.04下载CUDA也会出错。 所以发现了 无需在系统上安装CUDA和cuDNN，即可使用GPU加速的环境配置方法

一 安装Ubuntu20.04

二 安装Nvidia显卡驱动

进入命令行

查看系统推荐驱动 $: ubuntu-drivers devices 自动安装显卡驱动： $: sudo ubuntu-drivers autoinstall 验证驱动安装成功 nvidia-smi

三 安装Anaconda

官网下载Anaconda 使用bash命令安装

bash anaconda-xxx.sh # bash后面是你下载下来的安装包的文件名，可写ana后按TAB补全 换源，换到国内的源后，用conda安装包的速度会很快 https://www.jianshu.com/p/e6a9aa0e671b

四 创建Pytorch开发环境

创建环境pt，python版本为3.8

$: conda create --name pt python=3.8 进入环境pt $: conda activate pt 搜索一下pytorch版本和对应的CUDA和cuDNN $: conda search pytorch 在环境pt中安装pytorch以及相应的CUDA和cuDNN 这一步就是电脑本身不用装CUDA和cuDNN的原因，conda在安装pytorch时一起安装了， $: conda install pytorch 查看环境pt下已安装的包的列表 $: conda list -n pt 退出环境 $: conda deactivate

五 创建Tensorflow1 开发环境

创建环境tf1，python版本为3.6 $: conda create --name tf1 python=3.6 进入环境tf1 $: conda activate tf1 搜索一下pytorch版本和对应的CUDA和cuDNN $: conda search tensorflow-gpu # 查看安装时带有cuda和cuDNN的TensorFlow的版本 在环境tf1中安装tensorflow以及相应的CUDA和cuDNN $: conda install tensorflow-gpu=1.2.1 # 卸载时用uninstall tensorflow-gpu

注：如用pip安装tensorflow-gpu，后面接版本号要加两个等号，conda安装接1/2个等号都行

查看环境tf1下已安装的包的列表 $: conda list -n tf1 退出环境 $: conda deactivate

删除环境：

$: conda env remove -n tf1 # 删除环境tf1

六 Pycharm

下载社区版 $: sudo snap install pycharm-community --classic 创建项目时配置解释器 project interpreter ->conda environment->existing environment

选择环境 pt 或者 tf1

七 测试是否用GPU加速，可自行上网查找测试代码