1. 前期准备工作

下载 Anaconda3，PyCharm，NVIDIA GeForce GTX 1080Ti 显卡驱动，CUDA，cuDNN，Pytorch 安装包，保存到同一个目录（如“下载”目录）

1.1 Anaconda3：

https://www.anaconda.com/distribution/ 选择 Linux Python 3.7 version 64-Bit (x86) Installer，如下图：

1.2 PyCharm：

https://www.jetbrains.com/pycharm/download/#section=linux 选择 Community 版，如下图：

1.3 NVIDIA GeForce GTX 1080Ti 显卡驱动

https://www.geforce.cn/drivers 按以下条件筛选： 一般选列表第一个： 点击下载按钮：

1.4 CUDA

https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=runfilelocal 按以下条筛选并下载：

1.5 cuDNN

https://developer.nvidia.com/rdp/cuDNN-archive 下载这个要向注册一个NVIDIA 开发者账号，微信扫码就行。 按以下条件筛选并下载：

1.6 PyTorch

两个 whl 包：

https://download.pytorch.org/whl/cu92/torch-1.3.0%2Bcu92-cp37-cp37m-linux_x86_64.whl

https://download.pytorch.org/whl/cu92/torchvision-0.4.1%2Bcu92-cp37-cp37m-linux_x86_64.whl

如果要安装其他版本，自行到 https://download.pytorch.org/whl/torch_stable.html 下载。

2. 安装NVIDIA GeForce GTX 1080Ti 显卡驱动（涉及到系统底层修改，请严格按照教程操作，否则后果自负）

2.1 卸载旧驱动（保险起见）

# 先切换到你下载各个安装包的目录，这里示范的是“下载”目录 cd ~/下载/ sudo apt-get remove --purge nvidia* ./NVIDIA-Linux-x86_64-430.50.run --uninstall

2.2 安装依赖

# 先在软件更新器里面换源再安装 sudo apt-get update sudo apt-get install dkms build-essential linux-headers-generic sudo apt-get install gcc-multilib xorg-dev sudo apt-get install freeglut3-dev libx11-dev libxmu-dev install libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

2.3 禁用noueau（系统自带）驱动

# 打开文件 blacklist-nouveau.conf sudo gedit /etc/modprobe.d/blacklist-nouveau.conf # 图形界面下 sudo vi /etc/modprobe.d/blacklist-nouveau.conf # TTY(终端)下，vim 使用方法自行百度 # 追加以下内容： blacklist nouveau blacklist lbm-nouveau options nouveau modeset=0 alias nouveau off alias lbm-nouveau off

2.4 禁用 nouveau 内核模块

echo options nouveau modeset=0 | sudo tee -a /etc/modprobe.d/nouveau-kms.conf sudo update-initramfs -u # 更新内核 reboot #重启

2.5 进入 BIOS 关闭 Secure Boot, Fast Boot （具体方法百度）

由于此次配置的机器默认已关闭这两个选项，跳过。

2.6 进入TTY关闭图形界面

重启后，先不要直接登录，必须先进入TTY关闭图形界面装好显卡驱动后才能正常进入系统。 CTRL + ALT + F1，打开TTY，输入用户名，密码，关闭图形界面。

sudo service lightdm stop sudo service systemctl stop

2.7 运行.run文件安装驱动

# 先切换到你下载各个安装包的目录，这里示范的是“下载”目录 cd ~/下载/ ls # 获取驱动安装包名称 # 添加权限，文件名自行更改 chmod a+x NVIDIA-Linux-x86_64-430.50.run # 执行安装包，文件名自行更改，后面的参数不可缺少或错误！ sudo ./NVIDIA-Linux-x86_64-430.50.run --dkms --no-opengl-files

注意执行文件后面的参数 –dkms --no-opengl-files ，一定要输对！ 安装包执行后，会提示 pre-script failed ，不用理会，继续安装，安装过程中： dkms 选 no 32位兼容 选 yes x-org 选 no

2.8 验证安装

nvidia-smi # 若列出GPU的信息列表，表示驱动安装成功

2.9 重启桌面

sudo service lightdm start # 若没自动跳转，CTRL+ALT+F7 # 输入密码，登录系统 nvidia-settings # 若弹出 NVIDIA 设置对话框，亦表示驱动安装成功

3. 安装Anaconda3

# 先切换到你下载各个安装包的目录，这里示范的是“下载”目录 cd ~/下载/ sudo sh ./Anaconda3-2019.10-Linux-x86_64.sh # 文件名自行更改

输入 yes ，执行安装，安装时各个目录默认即可。

4. 安装Pycharm

4.1 提取安装文件

在文件管理器 下载 里面找到安装文件，如 pycharm-community-2019.2.3.tar.gz，右键提取。

4.2 执行安装

打开提取出的文件夹（如 pycharm-community-2019.2.3 ），进入其中的 bin 文件夹，右键 打开终端 ，执行以下命令：

sudo sh ./pycharm.sh

然后一直下一步就行，创建快捷方式选 是 。

4.3 更换解释器

打开安装好的 Pycharm ，依次进入 File -> Settings -> Project *** -> Project Interpreter , 右边小齿轮，Add -> System Interpreter ，右边三个点，选择 Anaconda3 目录下的 python 解释器（ ~/anaconda3/bin/python/python）。

5. 安装CUDA

5.1 执行安装程序

# 先切换到你下载各个安装包的目录，这里示范的是“下载”目录 cd ~/下载/ sudo sh ./cuda_9.0.176_384.81_linux.run # 文件名自行更改

提示是否安装显卡驱动时，选 no （因为之前已经安装了 NVIDIA 显卡驱动，所以这里就不用重复安装，不要问为什么要提前安装好显卡驱动，问就是必须要这样，再问锤人）。

5.2 添加环境变量

# 打开配置文件 sudo gedit ~/.bashrc # 在文件末尾追加下面内容： export PATH=/usr/local/cuda-9.0/bin${PATH:+:$PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} # 保存，退出

6. 安装 cuDNN

# 先切换到你下载各个安装包的目录，这里示范的是“下载”目录 cd ~/下载/ # 解包 sudo dpkg -i libcudnn7_7.6.3.30-1+cuda9.0_amd64.deb # 文件名自行更改 # 安装 sudo apt install libcuDNN7 # 包名自行更改

7. 安装 PyTorch

# 先切换到你下载各个安装包的目录，这里示范的是“下载”目录 cd ~/下载/ # 安装轮子（安装 whl 的工具） pip install wheel --user # 安装 PyTorch 的两个 whl 包，包名自行更改 pip install torch-1.3.0+cu92-cp37-cp37m-linux_x86_64.whl pip install torchvision-0.4.1+cu92-cp37-cp37m-linux_x86_64.whl

8. 安装 mmdetection

8.1 安装 mmcv （依赖库）

pip install mmcv

8.2 安装 mmdetection

解压 包文件 mmdetection-master.zip ，在解压后的文件夹下打开终端，执行以下命令：

python setup.py develop

然后将解压后得到的 mmdet 文件夹复制到Python包文件夹（Python主目录/Lib/site-packages/）下。

8.3 添加 Pycharm 环境变量

打开 Pycharm ，Run -> Edit configurations -> Environment variables，添加以下内容：

LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64/

9. 测试配置是否成功

下载预训练模型（本例中为 faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth ）： https://github.com/open-mmlab/mmdetection/blob/master/MODEL_ZOO.md 在 Pycharm 中新建一个项目文件夹和一个测试py文件，输入以下内容：

# coding=utf-8 from mmdet.apis import init_detector from mmdet.apis import inference_detector from mmdet.apis import show_result # 模型配置文件 config_file = '../../configs/faster_rcnn_r50_fpn_1x.py' # 预训练模型文件 checkpoint_file = '../../checkpoints/faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth' # 通过模型配置文件与预训练文件构建模型 model = init_detector(config_file, checkpoint_file, device='cuda:0') # 测试单张图片并进行展示 img = 'test1.jpg' result = inference_detector(model, img) show_result(img, result, model.CLASSES) # 测试一个图像列表并保存结果图像 imgs = ['test1.jpg', 'test2.jpg', 'test3.jpg'] for i, result in enumerate(inference_detector(model, imgs)): show_result(imgs[i], result, model.CLASSES, out_file='result_{}.jpg'.format(i))

运行py文件，执行成功则表示配置成功。 如在配置过程中有任何疑问，欢迎留言！ 2019.11.01 23:49 Hafowi