ubuntu18.04安装pytorch-gpu

### 回答1：
1. 首先，确保您的计算机已经安装了NVIDIA显卡驱动程序。您可以通过运行以下命令来检查：

   nvidia-smi

如果您看到了显卡信息，说明您已经安装了驱动程序。

2. 接下来，您需要安装CUDA工具包。您可以从NVIDIA官网下载适合您的CUDA版本，并按照官方文档进行安装。

3. 安装cuDNN库。您可以从NVIDIA官网下载适合您的cuDNN版本，并按照官方文档进行安装。

4. 确保您的计算机已经安装了Anaconda或Miniconda。您可以从官方网站下载并安装。

5. 打开终端，创建一个新的conda环境：

   conda create --name pytorch-gpu python=3.7

6. 激活新环境：

   conda activate pytorch-gpu

7. 安装pytorch-gpu：

   conda install pytorch torchvision torchaudio cudatoolkit=<your_cuda_version> -c pytorch

其中，<your_cuda_version>是您安装的CUDA版本号。

8. 安装其他必要的库：

   conda install matplotlib pandas jupyter notebook

9. 安装完成后，您可以在新环境中使用pytorch-gpu了。您可以通过运行以下命令来测试：

   python -c "import torch; print(torch.cuda.is_available())"

如果输出为True，则说明您已经成功安装了pytorch-gpu。

### 回答2：
要在Ubuntu 18.04上安装PyTorch GPU，您需要遵循以下步骤：

步骤1：安装CUDA

安装PyTorch GPU需要CUDA。按照下面的步骤安装CUDA：

a） 添加PPA存储库：

$ sudo add-apt-repository ppa: graphics-drivers/ppa

$ sudo apt-get update

b） 安装nvidia驱动程序和CUDA：

$ sudo apt-get install nvidia-driver-435

$ sudo apt-get install nvidia-cuda-toolkit

步骤2：安装cuDNN

cuDNN是NVIDIA深度神经网络库，提供GPU加速的功能。

a）从NVIDIA官方网站下载cuDNN的Deb文件。

b）解压缩下载的文件并将其复制到CUDA的安装目录下：

$ sudo dpkg -i libcudnn7*.deb
$ sudo cp -r /usr/src/cudnn_samples_v7/ $ HOME
$ cd $ HOME/cudnn_samples_v7/mnistCUDNN
$ make clean && make
$ ./mnistCUDNN

步骤3：安装PyTorch

a）安装Anaconda环境，这将帮助您管理您的Python环境。

b）创建一个名为"ml"的conda环境：

$ conda create -n ml anaconda python=3.6

c）启用conda环境：

$ source activate ml

d）安装PyTorch：

$ conda install pytorch torchvision cudatoolkit=10.1 -c pytorch

步骤4：测试您的PyTorch GPU安装

a） 启用conda环境：

$ source activate ml

b） 进入Python shell：

$ python

c）验证您的PyTorch GPU是否启用：

import torch

print(torch.cuda.is_available())

如果 省略了CUDA和cuDNN，则会输出“False”，如果 安装正确，则会输出“True”。

这就是在Ubuntu 18.04上安装PyTorch GPU的过程。

### 回答3：
PyTorch是深度学习领域中最流行的框架之一，它提供了GPU加速计算的能力以加快训练速度和提高模型的准确性。Ubuntu 18.04是一种流行的Linux操作系统，可以在其上运行PyTorch GPU版本来发挥更强大的计算能力。

以下是在Ubuntu 18.04上安装PyTorch GPU的步骤：

1. 在安装PyTorch GPU之前，需要确保已安装英伟达显卡驱动程序。在Ubuntu终端中输入以下命令来安装驱动程序：

sudo apt-get install nvidia-driver-410

注意：410是驱动程序的版本号，这可能会因您的显卡型号而有所不同。

2. 安装CUDA工具包。PyTorch需要CUDA来执行GPU加速计算。在安装CUDA之前，需要检查计算设备是否与CUDA兼容。在终端中输入以下命令：

lspci | grep -i nvidia

如果输出显示英伟达显卡，则说明您的设备与CUDA兼容。

在安装CUDA之前，需要下载相应的安装程序：

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-10-0_10.0.130-1_amd64.deb

接着，运行以下命令安装CUDA：

sudo dpkg -i cuda-10-0_10.0.130-1_amd64.deb

安装完成后，将CUDA添加到环境变量中，运行以下命令：

echo 'export PATH=/usr/local/cuda-10.0/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc

3. 安装cuDNN库。cuDNN是一个GPU加速库，可以进一步加速计算。在下载cuDNN库之前，需要注册NVIDIA开发者网站并下载相应版本的cuDNN库。

运行以下命令安装cuDNN：

tar -xzvf cudnn-10.0-linux-x64-v7.4.1.5.tgz
sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda-10.0/lib64/
sudo cp cuda/include/cudnn.h /usr/local/cuda-10.0/include/

4. 安装PyTorch GPU。在终端中输入以下命令安装PyTorch GPU：

pip3 install torch torchvision

安装完成后，运行以下代码测试PyTorch是否成功安装设备：

import torch
if torch.cuda.is_available():
print('CUDA is available')
else:
print('CUDA is not available')

这个命令行代码应该输出`CUDA is available`，表明PyTorch可以在GPU设备上进行计算。

以上就是在Ubuntu 18.04上安装PyTorch GPU的步骤。在安装过程中，如果遇到任何问题，请仔细检查您的系统和环境变量设置。