本文主要是介绍英特尔生态的深度学习科研环境配置-A770为例，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
之前发过在Intel A770 GPU安装oneAPI的教程，但那个方法是用于WSL上。总所周知，在WSL使用显卡会有性能损失的。而当初买这台机器的时候我不在场，所以我这几天刚好有空把机器给重装成Ubuntu了。本篇不限于安装oneAPI，因为在英特尔的生态之下，oneAPI只是一个基座。
本篇集大成者，为使用英特尔生态的人提供便利。
文章目录
- U盘重装Ubuntu
- 硬盘管理
- 驱动
- 加官方源
- 优化桌面( Compute, Media, and Display runtimes)使用以及游戏效果
- 安装开发包
- 安装dkms和内核头文件
- 验证
- xpu-smi
- oneAPI安装
- Miniconda3
- Intel版pytorch
- frp内网穿透
U盘重装Ubuntu
如果大家也是重装，请大家注意备份资源。
首先从官网或者国内镜像，例如清华源下载最新的LTS，然后准备一个16G左右的U盘，使用Rufus把ISO格式的系统镜像文件制作成可引导的 USB 启动安装盘，启动软件后插入U盘会自动检测，你只需要把引导类型选择为你的ISO镜像位置即可。
当U盘启动安装盘制作完毕后，开始启动！进行BIOS（不知道自己机器是什么的，建议F1-F12,甚至Delete, Insert都按按，点击开机键后就疯狂点，我是没想到这是最麻烦的，我是经过百度查了很多快捷键进入都没有效果，然后我乱点上面的键之后才顺利进入BIOS，最后设置自己U盘为第一选择项[找找Boot选择或者首页，里面是可以鼠标和键盘移动的！！！]。Save启动，记住要保存，不然像我这种乱点进入BIOS的，又一次乱点了。）
关于Ubuntu的安装过程就略了…不是本篇的重点。
硬盘管理
安装之后的Ubuntu只有系统盘被格式化了，而其他盘却还是之前的windows盘，你需要重新挂载和格式化文件系统。
首先使用df -h看看你有什么盘，例如/dev/sda1,然后使用sudo mkfs -t ext4 /dev/sda1进行格式化，如果你在windows进行分区过，所以你会看到/dev/sda1和/dev/sda2，这时候你可以使用sudo fdisk /dev/sda进行分区的合并，记得分区要保留1个，别都删完了。
data0提前mkdir好，最后使用mount /dev/sda1 /data0进行挂载
写入文件，以后重启也能自动挂载sudo vim /etc/fstab，写入例如：
/dev/sda1 /data0 ext4 defaults 0 0
/dev/sdb1 /data1 ext4 defaults 0 0
中间的空格，我建议直接按Tab键就行了。
驱动
在一篇文章中[https://www.jianshu.com/p/ae15e1cb6968]介绍了如何安装锐炫独立显卡的驱动程序，但是很奇怪的是，这篇文章上开机之后在About界面，Graphics是llvmpipe，可是我安装的Ubuntu 22.04.4 LTS之后，系统是可以正常显示出Intel A770 GPU的。
我当时也非常害怕，所以我还是按照文档重新安装了，这里我建议不要参考我刚刚发的文章进行安装了，并且我也建议大家别看官网，就看我这篇，因为看文档会有个疑惑点，我是试验出来了，不必根据文档走
加官方源
wget -qO - https://repositories.intel.com/gpu/intel-graphics.key | \sudo gpg --dearmor --output /usr/share/keyrings/intel-graphics.gpg
echo "deb [arch=amd64,i386 signed-by=/usr/share/keyrings/intel-graphics.gpg] https://repositories.intel.com/gpu/ubuntu jammy client" | \sudo tee /etc/apt/sources.list.d/intel-gpu-jammy.list
sudo apt update
优化桌面( Compute, Media, and Display runtimes)使用以及游戏效果
sudo apt install -y \intel-opencl-icd intel-level-zero-gpu level-zero \intel-media-va-driver-non-free libmfx1 libmfxgen1 libvpl2 \libegl-mesa0 libegl1-mesa libegl1-mesa-dev libgbm1 libgl1-mesa-dev libgl1-mesa-dri \libglapi-mesa libgles2-mesa-dev libglx-mesa0 libigdgmm12 libxatracker2 mesa-va-drivers \mesa-vdpau-drivers mesa-vulkan-drivers va-driver-all vainfo hwinfo clinfo
sudo dpkg --add-architecture i386
sudo apt update
sudo apt install -y \udev mesa-va-drivers:i386 mesa-common-dev:i386 mesa-vulkan-drivers:i386 \libd3dadapter9-mesa-dev:i386 libegl1-mesa:i386 libegl1-mesa-dev:i386 \libgbm-dev:i386 libgl1-mesa-glx:i386 libgl1-mesa-dev:i386 \libgles2-mesa:i386 libgles2-mesa-dev:i386 libosmesa6:i386 \libosmesa6-dev:i386 libwayland-egl1-mesa:i386 libxatracker2:i386 \libxatracker-dev:i386 mesa-vdpau-drivers:i386 libva-x11-2:i386
i386 软件包不安装，别想在这里玩帕鲁了！
安装开发包
sudo apt install -y \libigc-dev intel-igc-cm libigdfcl-dev libigfxcmrt-dev level-zero-dev
安装dkms和内核头文件
这里官网文档以及上面的文章都要大家安装5.19 通用内核，实际上不用，我的内核是6.5.0-25-generic也能成功。
sudo apt updatesudo apt -y install \gawk \dkms \linux-headers-$(uname -r) \libc6-devsudo reboot
到这里，驱动都安装完了。
你可以使用下面步骤进行验证。
验证
hwinfo --display
xpu-smi
既然英伟达都有nvidia-smi，AMD有rocm-smi，英特尔也有自己的xpu-smi。
sudo apt-get install xpu-smi
- 附使用文档
oneAPI安装
必须要安装Intel® oneAPI Base Toolkit，可以选择性安装HPC等套件。
-
可以直接使用APT包进行安装：
-
wget -O- https://apt.repos.intel.com/intel-gpg-keys/GPG-PUB-KEY-INTEL-SW-PRODUCTS.PUB \ | gpg --dearmor | sudo tee /usr/share/keyrings/oneapi-archive-keyring.gpg > /dev/null -
echo "deb [signed-by=/usr/share/keyrings/oneapi-archive-keyring.gpg] https://apt.repos.intel.com/oneapi all main" | sudo tee /etc/apt/sources.list.d/oneAPI.list -
sudo apt update -
sudo apt install intel-basekit
-
-
也可以直接下载安装包，例如:
wget https://registrationcenter-download.intel.com/akdlm/IRC_NAS/163da6e4-56eb-4948-aba3-debcec61c064/l_BaseKit_p_2024.0.1.46_offline.shsudo sh ./l_BaseKit_p_2024.0.1.46_offline.sh
安装步骤可以看我以前的文章，但在我安装的时候，在界面检测Ubuntu没有包的时候，我的确安装缺少的包进行更新了，但安装脚本没有检测到，因此只要你真的安装了缺少的部分，直接点下一步。
Miniconda3
这里我就不多介绍了：https://docs.conda.io/en/latest/miniconda.html
记得配置好国内源。（再此提醒：Ubuntu、python、conda国内源都要配置好）
Intel版pytorch
Github地址：https://github.com/intel/intel-extension-for-pytorch
也是有tensorflow的：https://github.com/intel/intel-extension-for-tensorflow
要想在intel生态上使用AI，就要安装intel-extension-for-pytorch了，你可以认为这是官方pytorch的一个插件。
python -m pip install torch==2.1.0a0 torchvision==0.16.0a0 torchaudio==2.1.0a0 intel-extension-for-pytorch==2.1.10+xpu --extra-index-url https://pytorch-extension.intel.com/release-whl/stable/xpu/cn/- 激活oneAPI环境：
source /opt/intel/oneapi/setvars.sh，注意我的安装的是全套，还有位置如果你和我不同记得修改！使用pytorch必须安装了dpcpp和oneMKL - 最后进行测试：
python -c "import torch; import intel_extension_for_pytorch as ipex; print(torch.__version__); print(ipex.__version__); [print(f'[{i}]: {torch.xpu.get_device_properties(i)}') for i in range(torch.xpu.device_count())];"不报错即可。
frp内网穿透
又来引用我之前写过的文章了~
- https://blog.csdn.net/qq_28356373/article/details/127941404
这样就能使用一台电脑进行开发了！
这篇关于英特尔生态的深度学习科研环境配置-A770为例的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
