在机器学习和深度学习中,一个良好的开发环境能够显著提高工作效率。本篇博客将详细介绍如何在新的Linux系统(以Ubuntu为例)上进行模型环境的配置,包括基础系统设置、Python虚拟环境搭建、常用库的安装以及GPU驱动和CUDA的安装等。
一、系统版本识别
1. 系统类型
Ubuntu和大多数基于Debian的系统都支持lsb_release
命令:
lsb_release -a
这个命令会显示系统的详细信息,包括发行版的名称和版本。例如:
Distributor ID: Ubuntu
Description: Ubuntu 22.04.1 LTS
Release: 22.04
Codename: jammy
2. CPU架构
运行以下命令查看系统的架构信息:
uname -m
输出结果解释:
- x86_64:表示系统是64位的x86架构(适用于Intel或AMD的64位处理器)。
- aarch64:表示系统是ARM 64位架构(适用于ARM64处理器)。
- s390x:表示系统是IBM Z或LinuxONE架构。
二、Anaconda
Anaconda是一款面向数据科学和机器学习的开源平台,旨在简化Python和R的包管理及环境配置。它集成了conda
工具,支持多种科学计算和数据分析库(如numpy
、pandas
、scikit-learn
),并可以通过虚拟环境隔离不同项目的依赖,确保各项目环境独立。Anaconda还自带Jupyter Notebook和JupyterLab,方便进行交互式数据分析和可视化,极大提升了数据科学工作流的效率。
1. 获取anaconda
Download Now | Anaconda通过进入官网选择对应系统架构的conda类型下载。
也可以通过以下命令获取安装包链接,并通过wget
下载:
wget https://repo.anaconda.com/archive/Anaconda3-2024.10-1-Linux-x86_64.sh
2. 安装
为脚本添加执行权限并启动安装程序:
bash Anaconda3-2024.10-1-Linux-x86_64.sh
- 按提示阅读并接受协议。
- 默认安装路径为
~/anaconda3
,可选择自定义路径。
3. 初始化anaconda
source ~/anaconda3/bin/activate
conda init
这会修改你的Shell配置文件(如 .bashrc
或 .zshrc
)以自动激活Conda。
4. 验证安装
关闭并重新打开终端,运行以下命令检查是否成功安装:
conda --version
5. conda配置全局镜像
运行以下命令,将清华源添加到Conda的配置文件中:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2
conda config --set show_channel_urls yes
三、PyTorch
1. GPU信息
查看nvidia显卡支持版本
nvidia-smi
观察右上角的CUDA Version,所下载nvidia toolkit版本应该低于该版本,让gpu向下兼容。
2. 下载PyTorch
从PyTorch官网下载对应conda的版本
复制生成的命令,运行。
出现这个的时候则安装成功。
3. 验证安装
在命令行输入python调用python编辑器
然后输入运行以下命令来验证是否成功安装pytorch。
import torch
print(torch.__version__) # 检查 PyTorch 版本
print(torch.cuda.is_available()) # 检查是否支持 GPU
if torch.cuda.is_available():print("GPU is available")print(f"Number of GPUs: {torch.cuda.device_count()}")print(f"Current GPU: {torch.cuda.get_device_name(torch.cuda.current_device())}")
else:print("GPU is not available")
出现类似以下运行结果则安装成功。