web-dev-qa-db-fra.com

Le package python-software-properties n'est pas disponible

J'essaie d'installer Torch, mais je reçois régulièrement ce message chaque fois que j'exécute la deuxième commande sur torch.ch/docs/getting-started.html#. Le premier fonctionne toutefois correctement.

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

J'utilise Ubuntu 18.10. J'utilise littéralement Ubuntu depuis peut-être deux jours et je n'ai aucune idée de ce que je fais. Je cherche partout depuis un moment et je ne trouve pas de solution qui marche, j'ai essayé

Sudo apt-get install software-properties-common

mais cela n'a pas fonctionné.

aptpackage-managementupdatespythondpkg
2
Allen Ho

Question associée: Le package d'erreur 'python-software-properties' n'a aucun candidat d'installation lors de la tentative d'installation de Torch dans 18.04

Installer TensorFlow et PyTorch dans Ubuntu 18.04 avec CUDA 9.0

  1. Recherchez la version du pilote NVIDIA.

    La première chose à vérifier est qu'un pilote Nvidia est installé pour votre carte graphique. Votre carte graphique doit prendre en charge au minimum NVIDIA Compute 3.0 pour pouvoir installer tensorflow-gpu.

    Vous pouvez vérifier le pilote graphique que vous avez installé à l'aide de nvidia-smi .Vous devriez voir des résultats comme ceux-ci:

    nvidia-smi

  2. Installez CUDA Toolkit 9.0.

    Visitez https://developer.nvidia.com/cuda-toolkit-archive et récupérez le fichier de téléchargement du fichier d’exécution pour Ubuntu 17.04. Bien qu’il s’agisse d’une autre version d’Ubuntu, vous pouvez l’obtenir pour installer ce dont vous avez besoin. Vous devrez aller à la page d'archive des téléchargements hérités pour trouver la version 9.0. Sinon, vous devrez ajouter ppa: graphics-drivers/ppa à vos sources logicielles, exécutez Sudo apt update, installez nvidia-driver-410, puis vous pourrez installer CUDA Toolkit 10.0 au lieu de CUDA Toolkit 9.0.

    Cliquez sur le lien suivant: Téléchargements de CUDA Toolkit 9.

    Une fois que vous avez obtenu ce fichier, accédez à l'emplacement où il a été téléchargé sur votre terminal et vérifiez que vous disposez des mêmes fichiers, comme suit:

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

    Puis exécutez les commandes suivantes.

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

    Acceptez les termes et conditions, dites oui pour installer avec une configuration non prise en charge, non pour "Installer le pilote graphique accéléré NVIDIA pour Linux-x86_64 384.81?".

    Assurez-vous de ne pas accepter d'installer le nouveau pilote. D'après mon expérience, cela entraîne souvent des problèmes d'instabilité du système. Suivez les instructions pour installer le toolkit en utilisant les emplacements d'installation par défaut.

    Appliquez également les correctifs fournis.

    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. Installez CUDNN 7.1.4.

    Vous devez vous connecter avec un compte Nvidia pour le télécharger. S'il vous plaît n'hésitez pas à vous inscrire et ensuite télécharger.

    Visitez https://developer.nvidia.com/rdp/cudnn-download pour obtenir le numéro CUDNN 7.1. Accédez à nouveau à la page d'archivage des téléchargements et recherchez la version 7.1 de CUDA 9.0 que vous venez d'installer. Téléchargez le lien Bibliothèque cuDNN v7.1.4 pour Linux . Cela téléchargera une archive que vous pourrez décompresser et déplacer le contenu aux emplacements appropriés.

    Il y a beaucoup d'options sur la page de téléchargement des archives pour CUDNN. Obtenez le fichier de bibliothèque pour Linux pour CUDA 9.0.

    Une fois téléchargé, décompressez l'archive et déplacez le contenu dans le répertoire où vous installerez CUDA 9.0:

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

    Déplacez le contenu décompacté dans votre répertoire CUDA.

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

    Donner un accès en lecture à tous les utilisateurs.

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

  4. Installez libcupti.

    Sudo apt install libcupti-dev

Faire les actions post-installation de CUDA

Pour que TensorFlow puisse trouver votre installation CUDA et l’utiliser correctement, vous devez ajouter ces lignes à la fin de votre ~/.bashrc ou ~/.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}}

Redémarrez votre terminal avant de passer à l'étape suivante ou faites source ~/.bashrc

Installer le GPU TensorFlow

Enfin, pour installer tensorflow-gpu, exécutez:

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

Je recommande d'installer TensorFlow dans virtualenv pour éviter de perdre du temps avec vos paquets système Python. Les instructions d’installation officielles de TensorFlow vous proposent diverses options vous permettant de choisir celle qui vous convient le mieux. Si vous choisissez la route virtualenv, je vous recommande vivement d'utiliser virtualenvwrapper, ce qui facilite grandement l'utilisation de virtualenv.

Vous pouvez maintenant tout tester en ouvrant un nouvel interpréteur Python avec pythonet en exécutant les commandes suivantes:

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

Si tout a bien fonctionné, votre GPU est répertorié dans la sortie comme suit:

[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"]

Cette page Web propose plusieurs didacticiels interactifs TensorFlow pouvant exécuter du code TensorFlow dans un navigateur Web.

Installer PyTorch

Facultatif, si vous utilisez 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

Si le lien ci-dessus pour télécharger la torche est brisé, mettez-le à jour en suivant les instructions de cette réponse .

Vous pouvez maintenant tester PyTorch en ouvrant un nouvel interpréteur Python avec python3 et en exécutant les commandes suivantes:

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

La source: mis à jour depuis installer Tensorflow, PyTorch dans Ubuntu 18.04 LTS avec Cuda 9.

2
karel

Ouvrez le fichier "install-deps" dans le dossier Torch. Passez à la ligne 178. Remplacez Sudo apt-get install -y python-software-properties par Sudo apt-get install -y software-properties-common.

1
Vedronor