引言
这里介绍下本篇文章的目的，为了方便自己日后在其他主机上搭建环境，也为了帮助遇到相同问题的人。本篇文章主要是解决ubuntu20.04搭建机械臂视觉抓取的环境部署问题。第一个环境了ROS环境，第二个环境是深度学习yolov5的环境。
1.ubuntu20.04搭建ros noetic环境
这里推荐鱼香ros的便携式安装方法，这里感谢鱼香ros作者，真的是大大减少了ros环境安装的工作量。直接复制粘贴下面这条指令，然后根据指令来安装ros noetic就行了，非常的省心。
wget http://fishros.com/install -O fishros && . fishros
2.ubuntu20.04环境下yolov5的环境配置
这里，先理一下思路。要在ubuntu20.04下运行yolov5。需要的条件有哪些：
1.对应的显卡驱动
2.对应的cuda
3.对应的cudnn
4.对应的anaconda
5.对应的pytorch
2.1对应的显卡驱动
（1）安装前需要的依赖
sudo apt-get update #更新软件列表
#安装编译依赖
sudo apt-get install g++
sudo apt-get install gcc
sudo apt-get install make
（2）查看电脑主机的GPU型号
lspci | grep -Ei '(vga|display)'
或者
lspci | grep -i nvidia
或者
lspci | grep -i vga
这里显示了ubuntu下我GPU的型号是2208
然后，我们打开这个网址链接，《GPU型号查询网址链接: link》
将2208输入到JUMP左边的方框里，就得到了电脑主机的GPU型号。
当然，如果事先知道GPU型号的可以忽略此步骤。
（3）Nvidia官网下载适配版本的驱动
Nvidia驱动下载链接: link
打开链接地址后，根据GPU型号下载对应的NVIDIA驱动程序，选好之后点击搜索，弹出窗口进入下一步，确认无误后点击下载。这就把nvidia驱动程序下载好了。
（4）删除之前安装过的与NVIDIA相关的内容，确保初始环境的干净
sudo apt-get remove --purge nvidia*
（5）禁用nouveau
原因：nouveau是ubuntu系统的驱动程序，在安装nvidia驱动前需要将nouveau给禁用，这样才不会影响nvidia的正常工作。通过如下指令打开blacklist文件。
sudo gedit /etc/modprobe.d/blacklist.conf
在blacklist文件的末端加上如下两句代码，保存并退出。
blacklist nouveau
options nouveau modeset=0
（6）环境更新，并重启电脑
sudo update-initramfs -u
# 然后电脑重启系统
sudo reboot
重启完电脑后，终端中输入下面指令，如果没有输出，则代表nouveau已经被禁用了。
lsmod | grep nouveau
（7）安装nvidia驱动
这里建议在主目录下（也就是home下）创建个空文件夹，（这里我自定义的文件夹a1）把刚才下载的nvidia驱动文件放在这个空文件下，这样待会比较容易找到该nvidia驱动文件。
终端输入如下指令，进行nvidia驱动的配置。
sudo telinit 3
进入到配置界面。这里login就写ubuntu系统的用户名 password就是登录ubuntu的密码。
然后就是输入下列指令，等系统提示Stopping gdm3.
sudo /etc/init.d/gdm3 stop
然后输入指令ls，查看当前的位置，我们的目的是通过cd指令，将其移动到之前装有nvidia驱动文件的文件夹下。
当找到nvidia文件后，便执行下面两条指令。
sudo chmod 777 NVIDIA-Linux-x86_64-*.run #给你下载的驱动赋予可执行权限，才可以安装
sudo ./NVIDIA-Linux-x86_64-*.run –no-opengl-files #安装
之后系统就会自己执行了。遇到要做选择的。默认yes就可以了。
最后，安装完成后，输入下列指令让ubuntu重启下就大功告成了。
sudo service gdm3 start
（8）nvidia驱动安装完成效果图
输入下面指令，查看nvidia的Driver API。
nvidia-smi
！！！！注意，这里显示的CUDA Version12.0指的是此主机最大可兼容的版本。既不代表主机已经安装好cuda的意思，也不代表当前cuda版本的意思。
2.2对应的CUDA
根据2.1小节的信息已经知道了此主机适配的cuda版本不得超过12，这里我们选择的版本是11.6
（1）cuda卸载，保证安装前的环境干净
sudo apt-get --purge remove "*cuda*" "*cublas*" "*cufft*" "*cufile*" "*curand*" \
"*cusolver*" "*cusparse*" "*gds-tools*" "*npp*" "*nvjpeg*" "nsight*"
sudo apt-get autoremove
（2）下载cuda文件
cuda下载的链接: link
这里选择CUDA Toolkit 11.6.0 (January 2022), Versioned Online Documentation这个版本
这里选择Linux -> X86_64 -> Ubuntu -> 20.04 -> runfile(local)
然后就会提供下列两行指令。
先别急，在安装cuda11.6之前先安装一些依赖的库文件，指令如下
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
然后将上图中出现的两条指令在终端中输入。
wget https://developer.download.nvidia.com/compute/cuda/11.6.0/local_installers/cuda_11.6.0_510.39.01_linux.run
sudo sh cuda_11.6.0_510.39.01_linux.run
运行上面的指令后，会弹出如下指令。这里键盘输入accept
接着还有个需要注意的地方，在下一个界面这里。利用键盘的空格键将Driver这个选项搞空掉，然后上下键控制光标到Install这里，键盘回车就可以了。
（3）配置cuda环境
通过如下指令，打开bashrc文件。
sudo gedit ~/.bashrc
在bashrc文件内最低端复制粘贴上如下指令，并保存退出就完事了。
export PATH=$PATH:/usr/local/cuda/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export LIBRARY_PATH=$LIBRARY_PATH:/usr/local/cuda/lib64
（4）验证cuda安装是否成功
打开终端，输入如下指令,查看cuda的runtime API。当发现版本为11.6时，则表明cuda已经成功安装了。
nvcc -V
2.3对应的cudnn
（1）下载cudnn
cudnn的网址链接: link
需要注意，cudnn下载需要邮箱注册个帐号，这里问题不大，应该都会的，就不讲了。
接下来，选择cudnn版本。 这里点击Archived cuDNN Releases这个地方，跳转到新界面。选择适合cuda11.6版本的cudnn。
第一步选择Download cuDNN v8.4.1 (May 27th, 2022), for CUDA 11.x
第二部选择Local Installer for Linux x86_64 (Tar)
然后就等待文件下载完成就好了。
（2）配置cudnn
打开存放cudnn文件的文件夹，一般都存放在下载这里，对cudnn进行解压。
然后对cudnn文件里的两类文件cudnn.h libcudnn复制到新的文件夹下就可以了。
可以直接到cudn文件夹下打开终端进行操作。因为usr文件都需要管理员身份才能进行操作。所以需要用sudo.
tar -xvf cudnn-linux-x86_64-8.x.x.x_cudaX.Y-archive.tar.xz
sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda/include
sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
(3)检查cudnn
cuda-11.6代表着我下载的cuda版本是11.6。.根据下载的cuda版本进行改动就可以进行cudnn检测了。
cat /usr/local/cuda-11.6/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
2.4对应的anaconda
（1）下载anaconda
这里先放出anaconda下载的链接: link
再贴上下载的anaconda版本
接着在anaconda文件所处的文件中打开终端，输入指令
bash Anaconda3-2021.11-Linux-x86_64.sh
之后就是一直选择yes就可以了。
（2）配置anaconda
通过如下指令，打开bashrc文件。
sudo gedit ~/.bashrc
在bashrc文件最低端添加下列指令。其中/home/--------的四段绿色指令为每台主机存放conda，conda.sh，bin文件的地址。记得输入正确。
# >>> conda initialize >>>
# !! Contents within this block are managed by 'conda init' !!
__conda_setup="$('/home/linuxize/anaconda3/bin/conda' 'shell.bash' 'hook' 2> /dev/null)"
if [ $? -eq 0 ]; then
eval "$__conda_setup"
else
if [ -f "/home/linuxize/anaconda3/etc/profile.d/conda.sh" ]; then
. "/home/linuxize/anaconda3/etc/profile.d/conda.sh"
else
export PATH="/home/linuxize/anaconda3/bin:$PATH"
fi
fi
unset __conda_setup
# <<< conda initialize <<<
（3）检测anaconda
打开终端后先启动anaconda环境，再输入python
source ~/anaconda3/bin/activate
python
为了简单起见，同时也为了anaconda不与ros系统其冲突。
在bashrc文件里进行配置。通过如下指令，打开bashrc文件。
sudo gedit ~/.bashrc
通过conda deactivate设置默认anaconda为关闭状态。当需要使用anaconda时候就输入指令start_anaconda 使用指令close_anaconda关闭anaconda。指令torch则开辟名为mytorch虚拟环境。
alias torch='source activate mytorch'
alias start_anaconda='source ~/anaconda3/bin/activate'
alias close_anaconda='conda deactivate'
conda deactivate
2.5对应的pytorch
当我们配置好了驱动，cuda，cudnn，anaconda后，才来配置pytorch。
这里贴上pytorch的链接: link
这里选择的pytorch版本为v1.12.0。它这边在Linux and Window这里支持CUDA 11.6版本。所以我们选择它。
（1）创建虚拟环境
conda create -n mytorch python=3.8
（2）激活虚拟环境，环境名为mytorch
conda activate mytorch
（3）创建pytorch环境（v1.12.0），对应上图
conda install pytorch==1.12.0 torchvision==0.13.0 torchaudio==0.12.0 cudatoolkit=11.6 -c pytorch -c conda-forge
（4）检查pytorch是否成功文章来源：https://www.toymoban.com/news/detail-728819.html
import torch
import torchvision
# 该指令显示pytorch版本
print(torch.__version__)
# 若cuda已安装，将显示true
torch.cuda.is_available()
（5）anaconda虚拟环境相关指令文章来源地址https://www.toymoban.com/news/detail-728819.html
# 创建新的环境
conda create -n mytorch python==3.8
# 激活环境
conda activate mytorch
# 删除环境
conda remove -n mytorch --all
# 退出当前环境
conda deactivate
# 查看有那些虚拟环境
conda env list
# 查看有某个虚拟环境有那些包
conda list
到了这里，关于ubuntu20.04配置ros noetic和cuda，cudnn，anaconda，pytorch深度学习的环境的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
