ubuntu22.04配置深度学习环境，安装python,coda,cudnn,tensorflow

### Ubuntu 22.04 深度学习环境搭建 #### Python 的安装在构建深度学习环境中，Python 是核心工具之一。推荐使用 `conda` 或者手动管理虚拟环境来隔离不同项目所需的依赖版本。可以通过以下命令更新系统并安装基础包： ```bash sudo apt update && sudo apt upgrade -y sudo apt install python3-pip python3-dev python3-venv -y ``` 创建一个新的虚拟环境用于深度学习开发： ```bash python3 -m venv dl-env source dl-env/bin/activate pip install --upgrade pip setuptools wheel ``` #### CUDA 和 cuDNN 的安装为了支持 GPU 加速计算，在 Ubuntu 22.04 上需要正确配置 NVIDIA 提供的 CUDA 工具集以及 cuDNN 库。以下是具体步骤： 1. 添加 NVIDIA 软件源到 APT 配置文件中以便获取最新驱动和支持组件 [^1]: ```bash distribution=$(. /etc/os-release;echo $ID$VERSION_ID) curl -s -L https://nvidia.github.io/libnvidia-container/gpgkey | sudo apt-key add - curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list ``` 2. 安装必要的编译器和其他软件构件 [^3]: ```bash sudo apt-get install build-essential gcc g++ make -y ``` 3. 下载对应版本的 CUDA 套件 (例如 CUDA 11.7)，并通过终端执行其脚本来完成本地部署 [^2]: ```bash wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.0-1_all.deb sudo dpkg -i cuda-keyring_1.0-1_all.deb sudo apt-get update sudo apt-get -y install cuda-11-7 ``` 4. 设置环境变量使新加入的功能生效 [^1]: 编辑用户的 `.bashrc` 文件或者全局 `/etc/profile` 中添加如下路径声明： ```bash export PATH=/usr/local/cuda-11.7/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64:$LD_LIBRARY_PATH source ~/.bashrc ``` 5. CuDNN 则需单独下载解压至指定目录并与现有 CUDA 结构集成起来。注意保持两者间兼容性关系！ #### TensorFlow 的安装当上述准备工作完成后就可以着手引入高层次框架——TensorFlow 来简化模型定义过程了。由于它已经内置对底层硬件加速的支持机制所以只需简单几步即可启用GPU模式运算能力: 激活之前建立好的 Python 环境再通过 Pip 实现快速导入目标库项: ```bash pip install tensorflow==2.9.* ``` 验证当前设置是否成功加载了所需资源并且能够正常运作: ```python import tensorflow as tf print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU'))) ``` 如果一切顺利的话应该可以看到至少一块可用设备列表输出结果表明整个流程顺利完成衔接无误。 ---

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

下一篇 python配置其他盘