在进行深度学习的研究与开发时，PyTorch 是一个非常流行的开源框架。为了更好地利用其功能，本文将详细介绍如何在 Ubuntu 系统上搭建一个包含 Anaconda、CUDA、cuDNN、PyTorch、Python、PyCharm 和 Jupyter Notebook 的深度学习环境。
步骤 1：安装 Anaconda
首先，我们需要安装 Anaconda。Anaconda 是一个开源的包管理器和环境管理工具，它可以方便地管理 Python 包和环境。打开终端并运行以下命令：
# 下载 Anaconda 安装脚本
wget https://repo.anaconda.com/archive/Anaconda3-2023.07-Linux-x86_64.sh
# 运行安装脚本
bash Anaconda3-2023.07-Linux-x86_64.sh
# 按提示进行安装，选择确认并同意许可协议
# 安装完成后，关闭终端并重新打开
完成安装后，可以使用以下命令验证 Anaconda 是否安装成功：
conda --version
步骤 2：创建 Python 虚拟环境
使用 Anaconda 创建一个新的 Python 虚拟环境。这样可以避免不同项目之间的依赖冲突。
# 创建名为 pytorch_env 的虚拟环境，使用 Python 3.8
conda create -n pytorch_env python=3.8
# 激活虚拟环境
conda activate pytorch_env
步骤 3：安装 CUDA 和 cuDNN
为了使用 GPU 加速，必须安装 CUDA 和 cuDNN。首先，访问 NVIDIA CUDA Toolkit 下载与你的显卡兼容的 CUDA 版本。安装完成后，可以通过以下命令安装 cuDNN：
# 添加 NVIDIA 包仓库
sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/7fa2af80.pub
sudo add-apt-repository "deb https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/ /"
# 更新和安装 CUDA
sudo apt-get update
sudo apt-get install cuda
# 安装 cuDNN
# 先去 NVIDIA 的网站上下载 cuDNN，然后按照说明手动安装
安装后，记得更新环境变量，添加到 .bashrc 中：
echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc
步骤 4：安装 PyTorch
接下来安装 PyTorch。可以到 PyTorch 官网 获取适合你系统的安装命令。这里假设使用 CUDA 11.7 版本：
# 安装 PyTorch
conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch
步骤 5：安装 PyCharm
为了更方便地进行 Python 开发，可以安装 PyCharm。使用以下命令下载并安装：
# 下载 PyCharm 专业版（可以根据需要选择社区版）
sudo snap install pycharm-professional --classic
步骤 6：安装 Jupyter Notebook
使用 conda 安装 Jupyter Notebook，方便进行数据科学实验：
# 安装 Jupyter
conda install jupyter
步骤 7：验证环境
在 Jupyter Notebook 中创建一个新笔记本，并运行以下代码来验证 PyTorch 是否能够使用 GPU：
import torch
print("CUDA可用:", torch.cuda.is_available())
print("当前GPU设备:", torch.cuda.current_device())
print("GPU设备数量:", torch.cuda.device_count())
print("GPU设备名称:", torch.cuda.get_device_name(0))
如果输出结果显示 CUDA 可用且列出你的 GPU 名称，那么恭喜你，你已经成功搭建了一个 PyTorch 深度学习环境。
总结
通过以上步骤，你已经在 Ubuntu 系统上成功搭建了一个包含 Anaconda、CUDA、cuDNN、PyTorch、Python、PyCharm 和 Jupyter Notebook 的深度学习环境。这个环境将极大地提高你进行深度学习研究的效率。希望本文对你有所帮助！
