Ubuntu16.04にPytorch + CUDAをインストールします

PytorchとTensorFlow

近年、Pytorchディープラーニングフレームワークは、そのシンプルなネットワーク構造と低いエントリしきい値により、ディープラーニング開発者の間でますます人気が高まっています。Pytorchは動的フレームワークであり、最初に設定する必要がないという点でTensorFlowとは異なります。 TensorFlowはその逆ですが、動作中のデバッグ中にアーキテクチャを変更できます。これの利点は、開発者が最初に構築されたネットワークの構造を明確にする必要がなく、建物の場合と同じように、より適切な構造を見つけることをゆっくりと学ぶことができることです。エンジニアが現場を訪問し、壁を作るたびに労働者がやって来て、次に何をすべきかを尋ねます。TensorFlowは、オフィスで図面を描き、建設前に建物全体の構造を設計し、設計するときに設計する建築家のようなものです。もちろん、誰も気にしないでしょう、効率はPytorchよりも高いです。

インストール手順##

環境：Ubuntu16.04

グラフィックカード：NVIDIA GTX970

グラフィックドライバをインストールする###

Pytorchでのトレーニングプロセスを加速するためにCUDAを使用する必要があるため、最初のステップは、CUDAのインストールの準備のためにグラフィックスドライバーをインストールすることです。

NVIDIA公式Webサイトにアクセスして、対応するグラフィックカードドライバーをダウンロードします。アドレスは[http://www.nvidia.com/Download/index.aspx?lang=en-us]（http://www.nvidia.com/Download/index.aspx?lang=en-us）blacklistnouveauです。
options nouveau modeset=0blacklist nouveau
options nouveau modeset=0
ctrl + alt + f1＃コマンドラインモードに入り、グラフィックカードの使用を停止します
sudo service lightdm stop＃グラフィカルインターフェイスを閉じる
sudo apt-get remove --purge nvidia *＃古いドライバーを削除します
sudo apt-get update
sudo apt-get install dkms build-essential linux-headers-generic＃install依存関係
次のファイルを追加します sudo vim / etc / modprobe.d / blacklist-nouveau.conf #Nouveauを無効にし、次のように入力します
上記のファイルを保存して終了します
sudo update-initramfs -u
コンピューターを再起動します
ctrl + alt + f1＃コマンドラインモードに再度入る
sudo service lightdm stop＃グラフィカルインターフェイスをもう一度閉じます
ドライバのダウンロードディレクトリにcd
sudo service lightdm stop
sudo ./NVIDIA-Linux-x86_64-384.98.run -no-opengl-files #install driver
sudo service lightdm start＃グラフィカルインターフェイスを開始します
cat / proc / driver / nvidia / version＃テストドライブ

CUDA ###をインストールします

NVIDIA公式Webサイトにアクセスして、対応するシステムのCUDAインストールパッケージをダウンロードします。[https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=deblocal]（https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=deblocal）
sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb #install deb package
sudo apt-key add / var / cuda-repo-9-0-local / 7fa2af80.pub #aptは、CUDAのインストールに必要な公開キーを追加します
sudo apt-get update
sudo apt-get install cuda #apt install CUDA
export PATH = / usr / local / cuda-9.0 / bin $ {PATH：+：$ {PATH}}＃環境変数を追加
export LD_LIBRARY_PATH = / usr / local / cuda-9.0 / lib64 $ {LD_LIBRARY_PATH：+：$ {LD_LIBRARY_PATH}}＃64ビットシステムのニーズ
インストールが成功したことを確認します： nvcc -V

cuDNN ###をインストールします

cuDNNは、NVIDIAがディープニューラルネットワークトレーニングを加速するために使用するツールライブラリです。必須ではありませんが、将来使いやすくするためにインストールすることをお勧めします。

[https://developer.nvidia.com/rdp/cudnn-download]（https://developer.nvidia.com/rdp/cudnn-download）に移動して、「ランタイムライブラリ」をダウンロードします
sudo dpkg -i libcudnn7_7.0.5.15-1 + cuda9.0_amd64.deb #install deb package

Anaconda ###をインストールします

この記事では、condaを使用してPytorchをインストールします。読者は、pipを選択することもできますが、作成者はpipで2回インストールできず、最終的にpythonパッケージ管理ツールでもあるcondaを選択しましたが、Pytorchは、インストールに依存しているように見えるcondaを公式に推奨しています。。

[https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/]（https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/）にアクセスして、Anaconda.shをダウンロードします
bash Anaconda.sh
source ~/anaconda3/etc/profile.d/conda.sh
conda config --addchannels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/＃Tsinghua大学のミラーソースを追加して、condaのダウンロードを高速化します
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda config --addchannels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/＃特別にPytorchミラーソースを追加します。PytorchはFacebookによって起動されるため、中国のwhlファイルに直接アクセスすることはできません。、清華大学のミラーソースを使用する必要があります

Pytorch ###をインストールします

conda install pytorchpython
import torchprint(torch.cuda.is_available())
conda install torchvision
Pytorchをテストする
cudaを使用できるかどうかをテストします