Manjaro计算机视觉开发环境配置（Python/C++）

在之前的一篇文章中我分享了在Ubuntu 18.04系统上配置计算机视觉开发环境的过程：《Ubuntu计算机视觉开发环境配置（Python/C++）》。在这篇文章中，我会介绍在Manjaro 19.0系统上配置Python, C/C++开发环境，并安装PyTorch, TensorFlow和OpenCV的过程。

本文涉及的所有脚本都在我的GitHub上：https://github.com/johnhany/manjaro_setup

主要内容 隐藏

我的个人硬件型号及软件版本：

i7-9700k @ 3.6GHz
NVIDIA RTX 2080Ti
Manjaro 19.0
PyTorch 1.4.0
TensorFlow 2.1.0
OpenCV 4.2.0

Manjaro安装常见问题

本文暂不详述Manjaro安装过程，只根据个人经验给出安装过程中设置分区大小的建议。Ubuntu属于Debian系，而Manjaro属于ArchLinux系，这两个系统的主要区别在于包管理工具不同（Ubuntu用apt，Manjaro用pacman），Manjaro的内核的版本要高一些，而且图形界面也不同。我这里安装的是KDE桌面：https://manjaro.org/download/#kde-plasma。

分区建议

下面以总共约130GB大小为例：

/swap – 32GB。和内存大小一致就可以
/ – 40GB。以使用Manjaro一周的情况来看，40GB的空间算是勉强够用。如下图所示，usr文件夹占用了16GB，opt文件夹占用了10GB，var文件夹占用了8GB，这样40GB的空间就所剩不多了。其中opt文件夹主要包含了Anaconda和CUDA的文件，var大部分是pacman的缓存。
/home – 60GB。目前我的home目录已经用了30GB，其中还有8GB是Android SDK。Anaconda的环境大约需要4GB空间。

如果电脑里已经安装了Windows，在安装Manjaro的过程中可以把引导文件安装在Windows的引导分区（一个100MB大小的分区），它会自动识别并为Windows分配引导。这样以后开机时会进入Manjaro的Grub引导，而且可以选择不同的系统。

启动Manjaro黑屏的问题

虽然Manjaro 19.0已经包含了比较新的Linux内核（目前是5.4.23），但对于RTX系列显卡还是会出现在第一次启动系统时黑屏的问题。解决方法和Ubuntu下的解决方法类似，可以参考《Ubuntu计算机视觉开发环境配置（Python/C++）》。需要注意的是，从装机U盘启动之后，需要把“driver”那个选项从“free”改为“nonfree”或“proprietary”（官方文档建议Nvidia显卡用proprietary模式），然后按F10会切换到启动选项，再按E键编辑，把“splash”改为“nomodeset”。

更新pacman国内源

在国内可以改用国内的镜像源，以提高pacman的下载速度。

1. 在终端输入以下命令

sudo pacman-mirrors -c China -m rank

在弹出的窗口中选择想采用的源。可以选一个延迟最低或更新时间最近的，也可以全选。

2. 编辑/etc/pacman.conf文件，可以用vim或系统自带的nano，在文件结尾添加以下内容：

[archlinuxcn]
SigLevel = Optional TrustedOnly
Server = https://mirrors.ustc.edu.cn/archlinuxcn/$arch

vim可以用以下命令安装：

sudo pacman -S vim

3. 在终端执行以下命令

sudo pacman -Syy && sudo pacman -S archlinuxcn-keyring

安装AUR包管理器

pacman本身已经包含了比Ubuntu下的apt还要多的软件源，但有些软件还是没有被包含在pacman的源当中。所以，我们可以再安装一个AUR（Arch User Repository）包管理器，便于为更多的软件提供一键安装的支持。网上一般会推荐用yaourt，但这个工具已经不再维护了，这里我们推荐yay：

sudo pacman -S yay

安装显卡驱动和CUDA

我们先介绍安装Nvidia显卡驱动，CUDA和cuDNN的过程。

Nvidia显卡驱动

Manjaro在安装过程中应该会自动安装适合的Nvidia驱动。可以在系统设置里面看到当前正在使用的驱动，如下图所示：

如果驱动没有正确安装，可以用以下命令来安装：

sudo mhwd -a pci nonfree 0300

CUDA和cuDNN

一键安装：

sudo pacman -S cuda cudnn

测试CUDA是否安装成功。把CUDA官方样例代码从/opt/cuda/samples/拷贝到个人主文件夹下（比如~/cuda_samples/），然后执行以下命令：

cd 1_Utilities/deviceQuery
make
./deviceQuery

如果终端输出的最后一行是“Pass”，说明CUDA可以正常使用，已经安装成功。

C/C++环境

这里分别介绍gcc+gdb和clang+lldb两种环境的安装。

gcc/gdb环境

一键安装：

sudo pacman -S gcc gdb

clang/lldb环境

一键安装：

sudo pacman -S clang lldb

Python环境

这里我们使用Anaconda建立虚拟的Python 3.7环境。

安装Anaconda

1. 一键安装：

sudo pacman -S anaconda

2. 修改~/.bashrc文件，添加以下内容：

export PATH=/opt/anaconda/bin:$PATH

3. 激活conda环境，在终端执行：

source /opt/anaconda/bin/activate root

然后执行以下命令，初始化conda：

conda init

修改conda源

修改为国内的conda源，以提高下载速度。打开~/.condarc文件（如果不存在的话建立该文件），修改文件内容如下：

channels:
  - defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

如果清华的conda源不能使用，可以改用上交的源：

channels:
- https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/main/
- https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/free/
- defaults
show_channel_urls: true

修改pip源

改用国内的pypi源。建议执行该步骤前关闭conda的虚拟环境，可在终端中执行两次conda deactivate以退回到系统自带的Python环境。执行以下命令：

sudo pip install --upgrade pip
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

创建虚拟环境

重新打开终端，正常情况下，在用户名前会显示“(base)”字样，说明已经进入conda的默认环境。如果没有该字样的话，可以执行conda init，以激活conda环境。然后用以下命令建立一个名为”torch”的Python 3.7环境：

conda create -n torch python=3.7

然后执行以下命令开启该环境：

conda activate torch

可以顺便把常用的库安装好：

pip install numpy scipy matplotlib pylint

PyTorch

这里介绍在Anaconda虚拟环境下安装PyTorch 1.4.0的过程。

一键安装

pip install torch torchvision

测试PyTorch

执行以下命令，打开Python交互模式

conda activate torch
python

然后测试PyTorch是否安装好

import torch
print(torch.cuda.is_available())

看输出结果是否为“True”。

也可以试一下简单的张量计算

a = torch.randn(1, 10).to(device)
b = torch.randn(10, 1).to(device)
c = a @ b
print(c.item())

TensorFlow

这里介绍两种TensorFlow安装方法，一是在虚拟环境下直接安装官方包，二是安装Docker版本，便于模型的部署。

一键安装

pip install tensorflow-gpu

安装Docker镜像

1. 安装Docker。注意需要把<yourname>替换成你的用户名：

sudo pacman -S docker
sudo gpasswd -a <yourname> docker
sudo systemctl start docker
sudo systemctl enable docker

2. 安装nvidia-docker。

yay -S nvidia-docker

3. 更新Docker源。编辑/etc/docker/daemon.json文件：

{
  "registry-mirrors" : [
    "http://registry.docker-cn.com",
    "http://docker.mirrors.ustc.edu.cn",
    "http://hub-mirror.c.163.com"
  ],
  "insecure-registries" : [
    "registry.docker-cn.com",
    "docker.mirrors.ustc.edu.cn"
  ],
  "debug" : true,
  "experimental" : true
}

4. 下载docker镜像。

为了避免出现“Got permission denied while trying to connect to the Docker daemon”的错误，需要切换一下系统用户（注意需要把<yourname>替换成用户名）：

sudo su
su <yourname>

然后下载并开启带有jupyter notebook的tensorflow镜像：

docker pull tensorflow/tensorflow:latest-gpu-py3-jupyter
nvidia-docker run -u $(id -u):$(id -g) --name=tf-gpu -it -p 8888:8888 tensorflow/tensorflow:latest-gpu-py3-jupyter

开启成功之后，可以在终端里所提示的网址访问notebook。

OpenCV

一键安装

pip install opencv-python

VS Code

这里只给出VS Code的安装，关于基于VS Code的Python和C++开发环境配置可以参考《Ubuntu计算机视觉开发环境配置（Python/C++）》。

一键安装

sudo pacman -S visual-studio-code-bin

其他有用的工具

常用软件

Chrome浏览器

sudo pacman -S google-chrome

网易云音乐

sudo pacman -S netease-cloud-music

中文输入法

sudo pacman -S fcitx-im
sudo pacman -S fcitx-configtool

然后修改~/.xprofile文件，添加以下内容：

export GTK_IM_MODULE=fcitx
export QT_IM_MODULE=fcitx
export XMODIFIERS="@im=fcitx"

nvtop

sudo pacman -S cmake ncurses git
yay -S nvtop

TexStudio和中文LaTex环境

sudo pacman -S texlive-most texlive-langchinese texlive-latexextra texlive-fontsextra
sudo pacman -S texstudio

安装字体

sudo pacman -S wqy-microhei wqy-bitmapfont wqy-zenhei wqy-microhei-lite
sudo pacman -S adobe-source-han-sans-cn-fonts adobe-source-han-serif-cn-fonts
sudo pacman -S ttf-dejavu
sudo pacman -S noto-fonts noto-fonts-extra noto-fonts-emoji noto-fonts-cjk

yay -S ttf-adobe-song
yay -S ttf-adobe-heiti
yay -S ttf-adobe-kaiti
sudo pacman -S ttf-lato

编辑/etc/profile文件，添加以下一行内容：

export FONTCONFIG_FILE=/etc/fonts/fonts.conf

然后在终端执行以下命令，刷新字体缓存

fc-cache -vf
sudo texhash

Typora

sudo pacman -S typora

微信和Tim

yay -S deepin-wine-wechat
yay -S deepin-wine-tim

Foxit PDF阅读器

sudo pacman -S foxitreader

其他工具和脚本

sudo pacman -S xdg-user-dirs-gtk
export LANG=en_US
xdg-user-dirs-gtk-update

在弹出窗口中，选择替换。然后执行以下命令并重启：

export LANG=zh_CN.UTF-8

GPU监控脚本

watch -n 0.5 nvidia-smi

本文涉及的所有脚本都在我的GitHub上：https://github.com/johnhany/manjaro_setup

1 评论

JohnHany的博客

编程手绘文字

Manjaro计算机视觉开发环境配置（Python/C++）

Manjaro安装常见问题

分区建议

启动Manjaro黑屏的问题

更新pacman国内源

安装AUR包管理器

安装显卡驱动和CUDA

Nvidia显卡驱动

CUDA和cuDNN

C/C++环境

gcc/gdb环境

clang/lldb环境

Python环境

安装Anaconda

修改conda源

修改pip源

创建虚拟环境

PyTorch

一键安装

测试PyTorch

TensorFlow

一键安装

安装Docker镜像

OpenCV

一键安装

VS Code

一键安装

其他有用的工具

常用软件

其他工具和脚本