配置Anaconda，Nvidia驱动，CUDA

1.linux换源

将Ubuntu系统源换为清华源

cd /etc/apt/
# 备份
sudo cp sources.list  sources.list.bak
sudo vim sources.list

将清华源写入​​sources.list​​文件中

# deb cdrom:[Ubuntu 16.04 LTS _Xenial Xerus_ - Release amd64 (20160420.1)]/ xenial main restricted
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial main restricted
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates main restricted
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-updates multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-backports main restricted universe multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security main restricted
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security universe
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ xenial-security multiverse

更新索引

sudo apt-get update     # 更新列表
sudo apt-get upgrade    # 升级软件

2.Anaconda安装配置

在实际使用中尽量使用Python3.6这个版本兼容性比较好，比较坑的是Python3.8。

# 下载安装
wget https://repo.anaconda.com/archive/Anaconda3-2020.11-Linux-x86_64.sh
bash Anaconda3-2020.11-Linux-x86_64.sh
询问是否需要初始化Anaconda，选择NO

# 配置环境变量
vim ~/.bashrc
export PATH="~/anaconda3/bin:$PATH"
# 激活环境变量
source ~/.bashrc

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

conda config --set show_channel_urls yes      //设置搜索时显示通道地址
conda config --show channels

conda常用命令

conda --version
# 创建一个名称为learn的虚拟环境并指定python版本为3(这里conda会自动找3中最新的版本下载)
conda create -n learn python=3.6.8
# 激活虚拟环境
activate learn
# 列出所有的虚拟环境
conda env list
# 退出虚拟环境
deactivate
# 删除虚拟环境
conda remove -n venv --all
# 安装第三方包
conda install requests
或者
pip install requests
# 卸载第三方包
conda remove requests
或者
pip uninstall requests
# 查看包信息
conda list
# 导出运行环境
conda env export > environment.yaml
conda env create -n cmd -f environment.yaml

3.配置pip环境

cd ~
mkdir .pip
# 编辑源
sudo vim ~/.pip/pip.conf

将以下内容写入​​pip.conf​​

[global]
timeout = 6000
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
trusted-host = pypi.tuna.tsinghua.edu.cn
[list]
format=columns

4.Nvidia显卡驱动安装

在Nvidia官网下载笔记本显卡对应的驱动（https://www.nvidia.cn/geforce/drivers/）下载run文件​​NVIDIA-Linux-x86_64-xxx.xx.run​​​

# 禁用nouveau
sudo vim /etc/modprobe.d/blacklist.conf 打开文件，在最后添加如下两行
blacklist nouveau
options nouveau modeset=0

# 更新系统修改
sudo update-initramfs -u
sudo reboot

# 验证nouveau是否已禁用
lsmod | grep nouveau  # 无输出代表成功

在​​ubuntu​​下按​​ctrl+alt+f1​​进入命令行界面

# 关闭图形界面
sudo service lightdm stop
# 卸载系统中存在的驱动
sudo apt-get remove nvidia-*

sudo chmod  a+x NVIDIA-Linux-x86_64-xxx.run
sudo ./NVIDIA-Linux-x86_64-xxx.run -no-x-check -no-nouveau-check -no-opengl-files

-no-x-check：安装驱动时关闭X服务
-no-nouveau-check：安装驱动时禁用nouveau
-no-opengl-files：只安装驱动文件，不安装OpenGL文件

安装显卡驱动后进行验证

sudo service lightdm start  # 重启图形界面

Ctrl+Alt+F7返回图形界面

nvidia-smi  # 检测是否安装成功

5.CUDA安装

10.1.243_418.87.00_linux.run
# 禁用 nouveau 驱动
sudo vim /etc/modprobe.d/blacklist.conf
blacklist nouveauoptions 
nouveau modeset=0
sudo update-initramfs –u
sudo reboot
lsmod | grep nouveau
# Ctrl + Alt + F1 键进入文本命令行模式
# 先关闭图形化界面
sudo service lightdm stop
sudo sh cuda_10.1.168_418.67_linux.run --no-opengl-libs

一定要注意不要让NVIDIA显卡的OpenGL库覆盖了当前Intel显卡的库，否则会进入循环登录！

不要勾选Driver

配置环境变量

sudo vim ~/.bashrc

export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

source ~/.bashrc

验证结果

# 验证驱动版本
cat /proc/driver/nvidia/version
# 验证CUDA版本
nvcc -V