ubantu16.04+nvidia440.100+cuda10.2+cudnn7-7.6.5+torch1.5.0

最新推荐文章于 2023-01-10 00:30:17 发布
最新推荐文章于 2023-01-10 00:30:17 发布
阅读量194 收藏
点赞数
分类专栏： 深度学习框架环境搭建 文章标签： 深度学习 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Luna_zz/article/details/120391722
版权

※1 小型服务器配置：
GPU：2块
型号：GeForec 1080Ti 

※2 驱动配置：    
NVIDIA: 440.100
CUDA:10.2  
Cudnn：cudnn7-7.6.5 
Torch：pip install torch==1.5.0+cu102 torchvision==0.6.0+cu102 -f https://download.pytorch.org/whl/torch_stable.html    

※3  驱动下载

NVIDIA-Linux-x86_64-440.100.run
cuda_10.2.89_440.33.01_linux.run
cudnn-10.2-linux-x64-v7.6.5.32.tgz
 

※4 查看显卡驱动与cuda对应的版本

Release Notes :: CUDA Toolkit Documentation

 ※5 几个参考的帖子（都不是完全的正确）

Ubuntu安装和卸载CUDA和CUDNN_夜雨飘零-CSDN博客_linux卸载cuda

 cuDNN的安装（版本选择， Runtime 还是 Developer）_Keeplearning-CSDN博客

Ubuntu16.04安装CUDA10.2+cuDNN7.6.5(福利区)，教你如何优雅的安装环境（1-2） - 小废柴的成长之路 - 博客园 (cnblogs.com)

Luna_zz
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
ubuntu18.04+cuda10.2+cudnn7.6.5+anaconda3+pytorch1.6
meiyangcuckoo
08-15 2846
ubuntu18.04+cuda10.2+cudnn7.6.5+anaconda3+pytorch1.6 ubuntu(18.04)配置pytorch（cuda10.2+cudnn7.6.5）环境 安装流程： 1安装显卡驱动 2安装CUDA 3安装CUDNN 4安装Ananconda3 5确定python版本 6搭建pytorch环境 7总结 1安装显卡驱动 首先查阅自己电脑的显卡配置，打开终端， 输入命令：sudo lshw -c display 回车 按要求输入用户密码 将会看到自己显卡的具体信息 输
torch-1.5.0-cp36-cp36m-linux_aarch64.rar
05-19
torch-1.5.0-cp36-cp36m-linux_aarch64.whl pytorch1.5.0
Ubuntu16.04安装nvidia驱动+CUDA+cuDNN
haptony的博客
10-14 964
文章目录Ubuntu16.04安装nvidia驱动+CUDA+cuDNN准备工作1.查看GPU是否支持CUDA2.查看Linux版本nvidia驱动1. 先卸载原有N卡驱动2. 禁用nouveau驱动3.禁用X-Window服务4.命令行安装驱动5.Driver测试：CUDA安装1.下载对应系统的CUDA2.安装3.配置环境变量4.验证安装*5.CUDA卸载cuDNN安装Reference Ub...
双显卡踩过的坑，新手安装ubuntu16.04下的cuda10.2驱动和cudnn7.6.5
sjy的博客
07-02 336
遇到的bug，安装失败，安装后不能开机，安装后界面进入死循环 我的cuda是10.2版本的 我的cudnn是7.6.5版本的 我的显示器是1600 1、下载cuda驱动放法 根据需要的版本百度搜索例如：cuda10.2下载 正常情况下第一个链接就是https://developer.nvidia.com/cuda-10.2-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&
Ubuntu16.04配置深度学习环境（pyTorch）：Ubuntu16.04 + cuda10.2 + cuDNN7.6.5 + Anaconda + pyTorch1.5 + pycharm
denkywu的博客
07-03 763
cuda和cudnn。如版本不合适，先卸载，然后安装，见：Ubuntu安装和卸载CUDA和CUDNN； 安装Anaconda Python pyTorch
SR650+Ubuntu16.04+手动加载Raid-530-930+Guide.pdf
08-20
SR650+Ubuntu16.04+手动加载Raid-530-930+Guide
深度学习之安装篇：ubantu+anaconda3+pytorch1.8.0.odt
12-06
个人安装深度学习软件随笔，仅适用于本机系统。另：本人菜鸟一枚，若不有妥，敬请指正，希望不浪费大家时间。
0. Guide_Ubantu16.04_cuda8.0_cudnn6.0_opencv3.6_python2.7_3.5(GPU).md
06-26
本资源主要是在Ubantu16.04上配置包含GUP的Caffe框架的详细教程，包括Cuda/Cudnn的安装配置，驱动的安装，Opencv的源码编译，Caffe的源码编译。
ubuntu系统 16.04.7(server-amd64) ISO镜像下载
03-30
ubuntu镜像版本号是16.04.7(server-amd64)，文件大小901120KB，镜像对外发布时间为2020-08-14 08:59:06，格式为ISO格式的镜像文件。 系统名称 ubuntu 16.04.7 版本号 16.04.7(server-amd64) 大小(KB) 901120KB 发布...
在ubuntu下安装cuda+cudnn+anaconda3+pytorch+pycharm流程
04-03
在双系统ubuntu20.04下安装cuda+cudnn+anaconda3+pytorch+pycharm的详细流程，包括安装时各个环节应注意的事项。
torch-1.5.0+cu101-cp36-cp36m-linux_x86_64.whl
06-21
https://download.pytorch.org/whl/torch_stable.html 这里下载的pytorch安装文件，网速慢的用户用
ubuntu20.04+gpu驱动下载+cuda10.2+cudnn+pytorch深度学习搭建记录（一路爬坑的一天...）
weixin_38757342的博客
09-12 4028
ubuntu20.04+gpu驱动下载+cuda10.2+cudnn 深度学习环境搭建记录（一路爬坑的一天…） 1.gpu驱动下载 参考：https://blog.csdn.net/flowrush/article/details/80744787 安装成功：（安装了推荐的nvidia-440） 输入命令：sudo nvidia-smi 可以看到对应的cuda版本，之后便可以进行相应的cuda10.2安装 2.cuda10.2安装 1.首先从官网下载相应的安装包 链接：cuda Toolkit 找旧版本：
PyTorch电脑环境配置（PyTorch1.5.0+CUDA10.2+cudnn7.6.5）
weixin_43917062的博客
05-11 6113
PyTorch电脑环境配置（PyTorch1.5.0+CUDA10.2+cudnn7.6.5） 最近新入手一台电脑，Intel i7-10875H，8核16线程，16G内存，RTX2070显卡，8G显存，512G固态硬盘+1T机械硬盘，鲁大师评分523142。这样的配置对于部分的深度学习网络应该足够了吧。 Anaconda包括Conda、Python以及一大堆安装好的工具包，比如：numpy、pandas等，conda是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在
Linux下安装CUDA及torch-gpu版
weixin_42423653的博客
06-22 2977
linux下安装CUDA以及torch-gpu，root用户磁盘空间不够，于是转为在非root用户下安装，要更改环境变量。
GPU版本torch的安装
热门推荐
weixin_55529678的博客
01-10 1万+
可以看出，最新支持11.7的cuda，而我的GPU最高支持到12.0，完全是没有问题的，这里我下载cuda11.6的版本。选择cuda11.6，python3.7所对应的torch进行下载，同理，torchvision也是一样。将自己下载文件的地址添加到环境变量中，这样做就是为了以后方便，不添加也没有关系，直接按照路径安装即可。如图所示，我的是2060，最高支持的cuda版本到12.0。在所在的路径下打开cmd或者直接进入路径，匹配进行安装。第一步，首先，需要查看自己cuda对应的版本并安装。
如何安装torch 1.5.0+cpu和torchvision 0.6.0+cpu
Walter_fdh的博客
05-27 9991
首先在PyTorch官网查看可用的最新版本，因笔记本显卡版本较低，安装cpu版本 可以看出，torch的最新版本为1.5.0，torchvision的最新版本为0.6.0. 鉴于pip和conda安装较慢，我们选择下载.whl文件半自动安装方式。从.whl下载地址中下载两个压缩文件，其中cpxx为python的版本（我的python是3.7.4） torch 1.5.0+cpu torchvision 0.6.0+cpu 将两者可以存在任何位置，为了便于管理存在下图的位置： 接下来
如何安装Torch7在Ubuntu20.04 （ CUDA10.1 和 CUDNN7.6.5）
奋斗之路
11-29 1152
1. 首先，安装CUDA 10.1+CUDNN7.6.5。切记：cudnn不要装cudnn8.X，好像跟torch不是很匹配。另外就是gcc需要降级到gcc 7.0，否则，cuda编辑不过去。2.安装完CUDA和cudnn之后，安装torch 7。安装过程中经常出现断网，一个多小时都git不下来所有的库。先展示安装成果，东西没啥，就是很麻烦，特别是安装torch7库，下载不下来，断断续续的。bash install.sh #或者是 ./install.sh。安装了一天纪念一下此刻！
win10+1070ti显卡安装python3.6+CUDA10.1+cuDNN+pytorch1.5.0 gpu版本
huanghe_zhiyuan的博客
08-29 2588
cpu与gpu关系，为什么用gpu 从上图可以看出GPU（图像处理器，Graphics Processing Unit）和CPU（中央处理器，Central Processing Unit）在设计上的主要差异在于GPU有更多的运算单元（如图中绿色的ALU），而Control和Cache单元不如CPU多，这是因为GPU在进行并行计算的时候每个运算单元都是执行相同的程序，而不需要太多的控制。Cache单元是用来做数据缓存的，CPU可以通过Cache来减少存取主内存的次数，也就是减少内存延迟（memory la
PyTorch 安装 GPU版本(CUDA/cuDNN)
あずにゃん梓喵的博客
08-07 882
日萌社 人工智能AI：Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战（不定时更新） 1.官网下载安装：https://pytorch.org/get-started/locally/ 2.执行命令：conda install pytorch torchvision cudatoolkit=10.1 -c pytor...
ubantu+cuda+annaconda+pycharm
最新发布
07-16
### 回答1： Ubantu是一个开源的操作系统，而CUDA是一种用于并行计算的平台。它允许程序员使用NVIDIA的GPU进行高性能计算。Annaconda是一个Python的发行版本，它集成了许多常用的科学计算库，并提供了一个便于管理和使用这些库的环境。PyCharm是一个强大的Python集成开发环境，提供了丰富的开发工具和功能，可以帮助程序员编写、调试和管理Python代码。 在使用这些工具的过程中，可以按照以下步骤操作： 1. 首先，安装Ubantu操作系统。可以从Ubantu官方网站下载最新版本的Ubantu安装程序，按照提示进行安装。 2. 安装CUDA平台。可以从NVIDIA官方网站下载对应版本的CUDA，然后按照说明进行安装和配置。 3. 安装Annaconda。可以从Annaconda官方网站下载最新版本的Annaconda安装程序，然后按照提示进行安装。 4. 配置Annaconda环境。安装完成后，可以通过命令行或图形界面工具设置Anaconda的环境变量和路径。 5. 安装PyCharm。可以从PyCharm官方网站下载最新版本的PyCharm安装程序，然后按照提示进行安装。 6. 配置PyCharm环境。安装完成后，可以打开PyCharm并设置Anaconda环境作为项目的解释器，以便使用Anaconda提供的科学计算库。 通过以上步骤，我们可以在Ubantu操作系统上搭建起CUDA、Annaconda和PyCharm的开发环境，可以方便地进行CUDA并行计算以及使用Annaconda提供的科学计算库进行开发。同时，PyCharm作为一个强大的开发工具，可以帮助我们更高效地编写、调试和管理Python代码。综上所述，使用Ubantu、CUDA、Annaconda和PyCharm可以构建一个强大的科学计算和开发环境。 ### 回答2： Ubantu是一个操作系统，是Linux的一个发行版。它是基于Debian的GNU/Linux操作系统，具有开源的特点，并且免费使用。Ubantu的优点是安全性高，更新频繁，社区支持活跃，拥有丰富的软件库。 CUDA是一种由NVIDIA提供的并行计算平台和API模型。它可以帮助程序员利用NVIDIA的GPU进行高性能计算和科学计算。CUDA可以加速各种应用程序，特别是需要大规模并行计算的任务。 Annaconda是一种用于Python和R编程的包管理器，同时也是一个可视化的集成开发环境（IDE）。它提供了一个方便的方式来管理Python和R的包和依赖，同时也提供了许多强大的工具和库，使得开发人员可以更轻松地进行数据科学和机器学习的开发工作。 PyCharm是一种由JetBrains开发的Python集成开发环境（IDE）。它提供了许多强大的功能，如代码自动补全、调试器、版本控制等，使得开发人员可以更高效地开发Python应用程序。PyCharm还具有良好的插件生态系统，可以进一步扩展其功能。 综上所述，使用Ubantu作为操作系统，配合CUDA进行高性能计算，同时使用Annaconda和PyCharm进行Python开发工作，可以提供快速、安全、高效的开发环境，特别适用于数据科学和机器学习的工作。 ### 回答3： "Ubuntu"、"CUDA"、"Anaconda"和"PyCharm"都是与计算机编程和数据科学相关的软件工具。 Ubuntu是一种流行的开源操作系统，它是基于Linux的，可以用于桌面、服务器和移动设备。Ubuntu提供了丰富的软件库和强大的终端命令行工具，使用户能够轻松地安装和管理软件。对于编程和数据科学家来说，Ubuntu是一个理想的操作系统选择，因为它支持广泛的编程语言和开发框架。 CUDA是一种由NVIDIA开发的并行计算平台和应用程序接口，它支持使用GPU（图形处理器）进行高性能计算。CUDA可以用于加速各种计算任务，包括机器学习、深度学习和科学计算。它提供了一套简单的编程接口，使开发者能够方便地使用GPU进行并行计算。 Anaconda是一个用于Python和R编程语言的开源发行版本，在数据科学领域具有广泛的应用。Anaconda提供了一个管理和部署数据科学环境的平台，包括各种流行的Python库和工具，如NumPy、Pandas和Scikit-learn。它还包含了一个强大的包管理器，允许用户轻松地安装、更新和管理各种软件包。 PyCharm是一种由JetBrains开发的集成开发环境（IDE），专为Python开发而设计。它提供了一套完整的开发工具，包括代码编辑器、调试器、版本控制集成和自动化测试等功能。PyCharm具有强大的代码补全和错误检查功能，可以帮助开发者提高编码效率和质量。 综上所述，Ubuntu、CUDA、Anaconda和PyCharm都是常用于计算机编程和数据科学的重要工具。它们提供了强大的功能和便利的开发环境，让编程和数据科学工作变得更加高效和方便。无论是初学者还是专业人士，都可以通过使用这些工具来提升编程和数据分析的能力。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值