IMBINGO的博客

写在前头我们在进行深度学习环境配置的时候,会会遇到各种各样的问题,有各种各样的驱动,包需要安装,不同驱动和包之间的还存在版本适配问题,刚入手的同学,会一脸懵逼,配置环境成了入门的第一道门槛.我现在总结了NVIDIA 显卡 + Anaconda资源库 + Pytorch深度学习框架的环境配置指南,希望能够帮助大家.显卡驱动安装首先需要安装显卡驱动,显卡驱动不需要每个人安装,只需要拥有root的权限的管理者为整台服务器安装即可,选择一款与服务器显卡适配的驱动,安装指南参考NVIDIA显卡驱动.值得注

通过Anaconda来安装 配置好Anaconda环境 配置好清华镜像或者其他镜像 设置延时参数以应对网速慢的情况 新建虚拟环境 确定目标的pytorch版本 从latest-version和 previous-versions中选择需要的pytorch版本 同时确定其他重要组件的版本 torchvision torchaudio cudatoolkit-version 下载地址：https://pytorch.org/get-started/lo

CUDACUDA是NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只能在NVIDIA的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。cuDNNcuDNN（CUDA Deep Neural Network library）：是NVIDIA打造的针对深度神经网络的加速库，是一个用于深层神经网络的GPU加速库。如果你要用GPU训练模型，cuDNN不是必须的，但是一般会采用这个加速库。CUDA Driver Version和CUDA Runt

安装参考https://zhuanlan.zhihu.com/p/59618999显卡驱动状态查看wath -n {t} -d nvidia-smilshw -numeric -C display — 查看显卡版本, 查看驱动版本驱动卸载https://blog.csdn.net/ezhchai/article/details/80536949安装目标驱动前,首先先将系统中存在的显卡驱动卸载掉驱动下载查看显卡适配的驱动，并从官网上下对应的显卡驱动https://www

去清华镜像下载到本地 上传到服务器 安装 — 切换到安装包的路径下 sh ./Anaconda3-5.2.0-Linux-x86_64.sh 添加环境变量并激活 https://blog.csdn.net/huangjuegeek/article/details/73556763 vim ~/.bashrc # 查看环境变量source ~/.bashrc # 使环境变量生效 # >>> conda initi..