从零开始搭建NLP Linux开发环境：Ubuntu18.04双系统，中文输入法，pycharm，anaconda，nvida驱动，cuda，cudnn，pytorch，allennlp

写在前面

2020年配置深度学习开发环境，除了有几个坑之外，安装过程是简单的，网上繁琐的方法，反而有可能是过时甚至危险的。
这篇博客的目的是结合几个精华博客，说明原理与坑点，帮助对操作系统不太熟悉的小伙伴们顺利安装。

安装Win10+Ubuntu双系统

电脑是华硕飞行堡垒，1060，1T机械硬盘。
根据https://blog.csdn.net/github_37603222/article/details/70833565
名词：

启动盘指的是在安装过程中使用到的文件，类似于早年系统光盘，可以使用u盘制作，也可以在磁盘上分区为启动盘。

主要过程如下，请参照链接查看具体过程。

首先关闭快速启动，然后

下载Ubuntu镜像（官网）和easy uefi破解版（百度）
使用Win10自带分区工具，分两个区：Ubuntu启动盘（Disk1 4G Fat32）和Ubuntu安装盘（Disk2，80G，未分配），前者用于uefi启动并安装系统到Disk2，后者是Ubuntu系统盘，在后面会分配给Ubuntu。
将下载的Ubuntu镜像解压到Disk1，作为启动盘。
打开easy uefi，设置Disk启动项并调整为第一顺位，这样在重启后会从Disk1启动
重新启动，进入Disk1的临时安装系统。
首先umount（取消挂载） /dev/sdax，这个x需要自动补全，这个设备就是你的安装盘，可以通过容量分辨，至于为什么需要取消挂载，推测是因为只有这样才能安装到Ubuntu分区。
在这个界面我选择的是1. 最小化安装2. 安装Ubuntu时不下载更新和3.不安装第三方软件，这是最快的选择
1. 需要注意
2. 如果之前进入过这一步，这里不会出现第一个选择，可以无视
3. 如果没有联网或者网络不稳定，第二个选择会变灰，可以等待出现
选择手动分区，如果是第一次安装，这个界面会找到一个未分配设备，就是Disk2，可以通过容量分辨，将其分配为四个Ubuntu必备的分区。
1. 根文件系统 / 用来安装用户软件和系统软件，以及其他功能至少20g
2. 用户分区 /home 用来储存用户数据
3. 引导分区 /boot
4. linux虚拟内存
5. 这里我的建议是根文件系统至少20g，紧接着分配/home，而不是按照链接里的顺序。因为根目录分配10g装不下cuda，所以分配20g，并且为了后期随时扩容，将它和/home挨着。
一直next直到开始自动安装，这个过程很长，不要点击skip，会导致安装失败。

注：

如果因为任何原因重装，不用进Windows删除已有的Ubuntu，直接回到启动盘安装即可，唯一的区别是分区时显示的是已有分区，可以通过减号按钮重新分区，相邻的未分配区也会直接合并。
给/分配的空间和/home分配的空间是独立的，如果没有显示分配/home，则会共享/的，否则可以认为独立，换句话说，/，/home和/boot不是包含关系，而是挂载关系。

中文输入法

按照以上方法安装的Ubuntu18.04会自带很好用的中文输入法。

pycharm

pycharm使用应用商店（黄色手提包）安装
在这里插入图片描述

anaconda3

去官网下载.sh
在默认的/home/username/下载文件夹下找到，.sh和.run类似win下的exe文件，但是不能点击运行，而是在该目录下开启终端，使用sudo bash 文件名或者sudo ./文件名安装

nvidia驱动

https://blog.csdn.net/new_delete_/article/details/81544438

链接流程有三个需要注意的地方

我直接在nvidia官网下载的.run文件，.run文件和.sh文件的安装方法如出一辙，但安装时需要先使用chmod指令给用户添加执行权限（+x）

chmod +x NVIDIA-Linux-x86_64-384.130.run 
sudo ./NVIDIA-Linux-x86_64-384.130.run --no-opengl-files

我在安装前就已经装上了最新版的gcc和cmake，安装过程在警告不兼容，选择仍然安装之后并无大碍。
安装完执行nvidia-smi发现cuda10.2，这并不代表已经装上了cuda10.2，仅仅意味着当前版本的驱动支持cuda10.2，真正的cuda还要自己安装

cuda和cudnn

https://blog.csdn.net/u012428169/article/details/90942762

pytorch和allennlp

尽管anaconda自带了不少python库，但我会为不同的实验创建不同的虚拟环境，一个原则是：从高往低安装，例如，allennlp依赖pytorch，pytorch依赖python，那么只安装一个allennlp，让conda自己解决依赖。
不过allennlp比较特殊，即使是在conda环境下也只能通过pip安装，那么就先安装pytorch，利用pytorch安装pip，手动对齐pytorch和allennlp的版本，再利用pip安装allennlp。

conda create -n name #创建一个名为name的空环境
conda activate name # 切换到name环境
根据官网安装需要版本（根据torch版本，有无gpu，cuda版本等）的pytorch，我这里安装默认版本：conda install pytorch，可以发现pytorch自带pip
pip install allennlp

使用两个命令完成了python库配置，如果不需要allennlp可以只安装pytorch，注意对齐cuda版本就好。

其他问题

下载速度慢

如果在apt，pip或者conda install时发生超时或下载慢，都应该换源。
apt：https://blog.csdn.net/vselfdom/article/details/88524490
pip：pip install xxx -i https://pypi.tuna.tsinghua.edu.cn/simple # 我习惯在每次下载时手动指定清华源
conda：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
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 --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/fastai/
conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
 
# 搜索时显示通道地址
conda config --set show_channel_urls yes
``

来源：CSDN

作者：iSikai

链接：https://blog.csdn.net/oksupersonic/article/details/103947589

标签

conda

linux分区

linux系统

软件

启动盘