尝试安装 Torch 时，软件包 python-software-properties 不可用

Question

我正在尝试安装 Torch，但是每当我在 torch.ch/docs/getting-started.html# 上运行第二个命令时，我都会收到此信息。但是第一个命令运行良好。

test@test-VirtualBox~$ cd ~/torch; bash install deps;       
Get:1 http://security.ubuntu.com/ubuntu cosmic-security InRelease [79.6 kB]         
Hit:2 http://us.archive.ubuntu.com/ubuntu cosmic InRelease         
Get:3 http://us.archive.ubuntu.com/ubuntu cosmic-updates InRelease [83.2 kB]            
Hit:4 http://ppa.launchpad.net/webupd8team/java/ubuntu cosmic InRelease              
Hit:5 http://us.archive.ubuntu.com/ubuntu cosmic-backports InRelease                       
Fetched 163 kB in 2s (82.8 kB/s)               
Reading package lists... Done             
Updated successfully.               
Reading package lists... Done                
Building dependency tree             
Reading state information... Done
Package python-software-properties is not available, but is referred to by another package.            
This may mean that the package is missing, has been obsoleted, or        
is only available from another source         
However the following packages replace it:         
  software-properties-common         

E: Package 'python-software-properties' has no installation candidate

我正在运行 Ubuntu 18.10。我使用 Ubuntu 大概只有两天时间，但我不知道自己在做什么。我已经到处搜索了一段时间，但找不到可行的解决方案，我试过

sudo apt-get install software-properties-common

但这并没有起作用。

Answer 1

打开 Torch 文件夹中的“install-deps”文件。转到第 178 行。更改sudo apt-get install -y python-software-properties为sudo apt-get install -y software-properties-common “对我有用”。

Answer 2

在 Ubuntu 18.04 中使用 CUDA 9.0 安装 TensorFlow 和 PyTorch

1. 检查 NVIDIA 驱动程序版本。

   您应该检查的第一件事是，您的显卡是否安装了 Nvidia 驱动程序。您的显卡必须至少支持 NVIDIA 计算 3.0 才能安装 tensorflow-gpu。

   您可以检查已安装的图形驱动程序nvidia-smi。您应该会看到类似以下的输出：

   nvidia-smi
   

2. 安装 CUDA Toolkit 9.0。

   访问https://developer.nvidia.com/cuda-toolkit-archive并获取适用于 Ubuntu 17.04 的运行文件下载。虽然这是针对不同版本的 Ubuntu，但您可以获取它来安装所需的内容。您必须转到旧版下载存档页面才能找到版本 9.0。否则，您需要将 ppa:graphics-drivers/ppa 添加到您的软件源，运行sudo apt update，安装 nvidia-driver-410，然后您可以安装 CUDA Toolkit 10.0 而不是 CUDA Toolkit 9.0。

   点击以下链接：CUDA 工具包 9.0 下载

   获得该文件后，导航到终端中下载该文件的位置，并检查您是否拥有相同的文件，如下所示：

   $ls  
   cuda_9.0.176.1_linux.运行cuda_9.0.176.2_linux.运行  
   cuda_9.0.176.3_linux.运行cuda_9.0.176_384.81_linux.运行

   然后运行以下命令。

   sudo chmod +x cuda_9.0.176_384.81_linux.run
   ./cuda_9.0.176_384.81_linux.run --override
   

   接受条款和条件，同意使用不受支持的配置进行安装，不同意“为 Linux-x86_64 384.81 安装 NVIDIA 加速图形驱动程序？”。

   确保您不同意安装新驱动程序。根据我的经验，这样做通常会导致系统不稳定问题。按照提示使用默认安装位置安装工具包。

   也应用提供的补丁。

   sudo chmod +x cuda_9.0.176.1_linux.run  
   sudo chmod +x cuda_9.0.176.2_linux.run  
   sudo chmod +x cuda_9.0.176.3_linux.run  
   
   ./cuda_9.0.176.1_linux.run  
   ./cuda_9.0.176.2_linux.run  
   ./cuda_9.0.176.3_linux.run  
   

3. 安装 CUDNN 7.1.4。

   您需要使用 Nvidia 帐户登录才能下载。请随意注册然后下载。

   访问https://developer.nvidia.com/rdp/cudnn-download获取 CUDNN 7.1。再次转到下载存档页面，找到刚刚安装的 CUDA 9.0 的 7.1 版本。下载链接如下适用于 Linux 的 cuDNN v7.1.4 库。这将下载一个档案，您可以解压并将其内容移动到正确的位置。

   CUDNN 的存档下载页面上有很多选项。获取 CUDA 9.0 的 Linux 库文件。

   下载完成后，解压档案并将其内容移动到将安装 CUDA 9.0 的目录中：

   tar -zxvf cudnn-9.0-linux-x64-v7.1.tgz # unpack the archive
   

   将解压后的内容移动到您的 CUDA 目录。

   sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda-9.0/lib64/  
   sudo cp  cuda/include/cudnn.h /usr/local/cuda-9.0/include/  
   

   授予所有用户读取权限。

   sudo chmod a+r /usr/local/cuda-9.0/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
   

4. 安装 libcupti。

   sudo apt install libcupti-dev
   

执行 CUDA 安装后操作

~/.bashrc因此 TensorFlow 可以找到您的 CUDA 安装并正确使用它，您需要将这些行添加到或的末尾~/.zshrc。

export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

重新启动终端，然后继续下一步，或者执行source ~/.bashrc

安装 TensorFlow GPU

最后安装 tensorflow-gpu 运行：

sudo apt install python-pip python3-pip      
pip install --upgrade tensorflow-gpu

我建议在虚拟环境中安装 TensorFlow，这样就不必处理系统 Python 包了。官方 TensorFlow 安装说明提供各种选项，因此您可以选择最适合您的选项。如果您选择虚拟环境路线，我强烈建议您使用虚拟环境包装器，它使使用虚拟环境变得更加容易。

现在，您可以通过打开一个新的 Python 解释器并python运行以下命令来测试一切正常：

from tensorflow.python.client import device_lib
device_lib.list_local_devices()

如果一切正常，您将看到您的 GPU 列在输出中，如下所示：

[name: "/device:CPU:0"
 device_type: "CPU"
 memory_limit: 268435456
 locality {
 }
 incarnation: 182532294431716449, name: "/device:GPU:0"
 device_type: "GPU"
 memory_limit: 10498270823
 locality {
   bus_id: 1
   links {
     link {
       device_id: 1
       type: "StreamExecutor"
       strength: 1
     }
   }
 }
 incarnation: 14673206105771676974
 physical_device_desc: "device: 0, name: GeForce GTX 1080 Ti, pci bus id: 0000:01:00.0, compute capability: 6.1", name: "/device:GPU:1"
 device_type: "GPU"
 memory_limit: 10917150720
 locality {
   bus_id: 1
   links {
     link {
       type: "StreamExecutor"
       strength: 1
     }
   }
 }
 incarnation: 16384320033882398672
 physical_device_desc: "device: 1, name: GeForce GTX 1080 Ti, pci bus id: 0000:02:00.0, compute capability: 6.1"]

此网页有几个交互式 TensorFlow 教程，可以在网络浏览器中执行 TensorFlow 代码。

安装 PyTorch

可选，如果你使用 pip

pip3 install https://files.pythonhosted.org/packages/d3/91/1b2871d6c8ca079254deae5872af32e02e9a85f07dd0834e8b3489ce138f/torch-0.4.1.post2-cp37-cp37m-manylinux1_x86_64.whl   
pip3 install torchvision

如果上述下载 torch 的链接已损坏，请按照以下说明将其更新为当前链接这个答案。

您现在可以通过打开新的 Python 解释器python3并运行以下命令来测试 PyTorch：

import torch
torch.cuda.is_available()

# True 

import torch
torch.cuda.get_device_name(0)

# 'GeForce GTX 1080 Ti'

import torch
torch.cuda.device_count()

# 2

_{来源：更新自在 Ubuntu 18.04 LTS 中使用 Cuda 9.0 安装 Tensorflow、PyTorch}