由于工作需要,新搞一台x86主机,折腾了下环境配置,分享出来希望能帮助有需要的人。
目录
一、CUDA、Cudnn、Pytorch、Torchvision版本对应
一、CUDA、Cudnn、Pytorch、Torchvision版本对应
先放个链接,大家可以先参考一下对应版本
Pytorch环境配置——cuda、、cudnn、torch、torchvision对应版本(最全)及安装方法_pytorch_William.csj-华为云开发者联盟
基于我的算法环境,我选择的是CUDA10.2.89+Cudnn8.0.3+Python3.6.9的组合
版本适配问题很麻烦,所以最好一开始就选择好对应的版本
二、安装CUDA10.2.89
1、安装
首先去官网下载需要的CUDA安装包(runfile格式)需要科学上网
CUDA Toolkit Archive | NVIDIA Developer
选择自己需要的对应的版本
由于wget下载很慢,可以把后面的链接复制到浏览器,直接下载,同样需要科学上网
下载完之后把安装包传到主机上
输入命令进行安装:
sudo sh cuda_10.2.89_440.33.01_linux.run
稍等出现下图画面,选择continue回车
输入accept回车
如果有装好的驱动,就在Driver上按回车取消勾选,[X]代表勾选,然后选择Install回车开始安装
稍等装好之后打开环境变量
sudo vim ~/.bashrc
加入这两行保存,路径记得换自己的版本
export PATH="/usr/local/cuda-11.3/bin:$PATH"
export LD_LIBRARY_PATH="/usr/lcoal/cuda-11.3/lib64:$LD_LIBRARY_PATH"
刷新环境变量
source ~/.bashrc
2、查看CUDA版本
nvcc -V
3、测试(非必须)
输入命令:
cd /usr/local/cuda-10.2/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
测试成功
三、安装Cudnn8.0.3
1、安装
先下载三个deb包,一定要用deb,出错几率小,需要科学上网
cuDNN Archive | NVIDIA Developer
下载后把文件传入主机,进行安装(很快)
sudo dpkg -i libcudnn8_8.0.3.33-1+cuda10.2_amd64.deb
sudo dpkg -i libcudnn8-dev_8.0.3.33-1+cuda10.2_amd64.deb
sudo dpkg -i libcudnn8-samples_8.0.3.33-1+cuda10.2_amd64.deb
最后安装一下依赖(快)
sudo apt-get install libfreeimage3 libfreeimage-dev
2、查看Cudnn版本
cat /usr/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
该命令会在终端输出cudnn的版本信息,包括CUDNN_MAJOR、CUDNN_MINOR以及CUDNN_PATCHLEVEL。其中,CUDNN_MAJOR代表主版本号,CUDNN_MINOR代表次版本号,CUDNN_PATCHLEVEL代表修复版本号。如下所示:
3、测试(非必须)
刚才有个包是cudnn自带的样例sample,运行测试一下
开始运行sample
cd /usr/src/cudnn_samples_v8
cp -r /usr/src/cudnn_samples_v8/ $HOME
cd $HOME/cudnn_samples_v8/mnistCUDNN
make clean && make
./mnistCUDNN
最后比较慢,耐心等待一下,如果出现 Test passed,说明安装成功
四、安装Python3.6.9
1、安装
先去官网下载对应的Python版本
sudo mkdir /usr/local/python3
cd /usr/local/python3
把Python-3.6.9.tar.xz传入主机
tar xf Python-3.6.9.tar.xz
cd Python-3.6.9
sudo ./configure --prefix=/usr/local/python3
sudo make
sudo make install
最后一步报错
解决:安装zlib
sudo apt-get install zlib1g-dev
再执行
sudo make install
安装完成
2、查看Python版本
python3 -V
然后就可以继续AI之旅了O(∩_∩)O
参考资料: