Ubuntu20.04+GPU加速的PyTorch(NVDIA+CUDA+cuDNN)

最新推荐文章于 2024-08-03 11:32:27 发布
最新推荐文章于 2024-08-03 11:32:27 发布
阅读量1.1k 收藏 8
点赞数 3
文章标签： 深度学习 pytorch
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/MuscleMonk/article/details/119710625
版权
本文指导在Ubuntu 20.04上安装GPU加速的PyTorch，首先需从NVIDIA官网下载并安装显卡驱动，然后安装CUDA和cuDNN库。参照提供的教程，经过实践验证，流程包括Nvidia驱动、CUDA和cuDNN的详细安装步骤，解决报错的方法，并提供了额外的资源链接，以帮助完成PyTorch的安装。
摘要由CSDN通过智能技术生成

昨天晚上花了几个小时，终于成功在ubuntu20.04安装了GPU加速版本的PyTorch，过程中发现网上现有资料比较分散，对新手不友好，所以想做一篇整合文章分享：

首先要有一台带GPU的机器，并从NVIDIA官网下载安装显卡驱动（参考资料如下）:

如何在Ubuntu 20.04 LTS上安装Nvidia驱动程序
ubuntu20.04系统用.run文件安装nvidia显卡驱动

在安装完显卡驱动后，还需要安装CUDA（Compute Unified Device Architecture），CUDA是NVIDIA推出的通用并行计算架构，可以使深度学习框架调用GPU来解决问题。另外，通常我们还需要安装cuDNN库，cuDNN库是由NVIDIA开发的专门用于深度神经网络的GPU加速库（参考资料如下）：

Ubuntu 20.04 CUDA&cuDNN安装方法

参考以上三篇大佬文章，亲测有效，如果实操过程中遇到报错，可以百度以下哈，作者也是历经千辛万苦才弄好的，另外在找资料的过程中，我还有意外收获（参考资料见下）：

最低0.47元/天 解锁文章
ROS开发小白
关注
Ubantu20.04 安装 CUDA,CUDNN,pytorch
weixin_42337304的博客
03-16 1247
1.安装显卡驱动 2.conda 安装pytorch
显示硬件发展与视频开发系列(5)----智能时代05--运算平台
qq_33277028的博客
02-19 280
无论对于机器视觉，还是人工智能，相对从前，数据量发生了地覆天翻的变化。传统的运算框架不能满足现实的发展。人工智能影响不是一点一线，而是整个计算体系。 从AI/AR/VR芯片，到GPU数据处理，再到平台架构，框架编程，外部接口调用，都有巨大的变革。今天我们谈一下基于大批量数据的运算框架。 GPU的参与数据处理已经多年，多年发展过程中，GPU不过是硬件的支持(如下图)，指令的提供，传统的工程师很难进行指令级的开发。所以，运算平台出现了，拓展了技术应用，便捷了软件...
Ubuntu 20.04-Pytorch-GPU系统环境搭建指南
harryxia2014的博客
02-03 2935
本人硬件环境： CPU：Intel Core i7 6700 GPU：NVIDIA GTX 1060 6G 内存：SAMSUNG DDR4 32GB 硬盘：双SSD 256G,双系统（windows,ubuntu） 第一步，安装Ubuntu. 1.1 准备工作 1.1.1 下载 Ubuntu 镜像 打开ubuntu 20.04的下载地址，进入页面后点击右边的Download按钮开始下载。 Ubuntu 20.04​ubuntu.com/download/desktop 你会得到一
Ubantu系统安装Pytorch以及相应的CUDA
最新发布
weixin_52705953的博客
08-03 1714
比如说我的CUDA版本是12.2的，那下载cuda11.8或者cuda12.1的都能使用。然后将指令复制，可以把后面的-c pytorch和-c nvidia删掉，这样下载比较快，如果删掉后无法下载，就把它加上。如果返回是Ture的话说明你的pytorch是可以正常调用GPU去进行计算的，如果返回False，说明上面的配置有问题。这里可以根据pytorch官网上对应的版本来安装CUDA的版本，也可以先安装CUDA再选择pytorch的版本。选择刚刚推荐的版本（不用选server的），然后点击应用更改。
cuda编程与gpu并行计算（二）：ubuntu16.04 cuda11.0 环境配置
qq_42812089的博客
12-31 897
GPU程序的一般步骤 1.CPU分配空间给GPU (cudaMalloc) 2.CPU复制数据给GPU (cudaMemcpy) 3.CPU加载kernels给GPU做计算 4.CPU把GPU计算结果复制回来
Ubuntu 20安装Nvidia驱动 + cuda10.1 + Anaconda + pytorch 1.5
这个人很蓝
03-23 756
参考https://blog.csdn.net/wwlswj/article/details/106364094 安装Nvidia驱动 输入命令 ubuntu-drivers devices查看显卡推荐的驱动 选择recommend的版本进行安装，例如我的是460 sudo apt install nvidia-driver-460 安装完成后，重新启动系统：sudo reboot 重启后使用nvidia-smi即可查看显卡信息 安装cuda10.1 首先gcc降级 因为Ubuntu20.04自带
在ubuntu18.04上搭建gpu加速环境
weixin_40832019的博客
12-06 491
安装cuda11.0以及对应的cudnn后，发现最新的tensorflow-gpu=2.3.1仅支持cuda10.1。在运行gpu_test.py文件时出现了报错。 于是根据报错信息，执行命令 (base) lin@lin-desktop:/usr/local/cuda-11.0/lib64$ sudo cp ./libcudart.so.11.0 ./libcudart.so.10.1 (base) lin@lin-desktop:/usr/local/cuda-11.0/lib64$ sudo cp .
ubuntu20.04+GPU+CUDA11.1+cuDNN8.0.5+Miniconda3+pytorch1.8.1+torchversion0.9.1+pycharm
spidermiaomiao的博客
10-02 1529
本机环境：拯救者R720+GeForce GTX1060+ubuntu20.04(不是双系统，windows10被我格掉了) 1.NVIDIA显卡安装 NVIDIA显卡驱动尝试了很多办法，命令行安装，在官网下载.run文件安装，装完开机都是进不去图形界面，最后无奈打开软件和更新，目前我的显卡驱动选的是这个，没有选择tested(测试版)，我还是偏向稳定版的。 安装好之后命令行输入： nvidia-smi 打印显卡信息如下： 2.CUDA安装 在CUDA Toolkit Archiv.
Ubuntu20.04安装NVIDIA驱动+cuda+cudnn+anaconda+pytorch+pycharm经验
qinseheming0820的博客
04-18 4285
配置环境是深度学习的第一道门槛，也是必须迈过的一道门槛，之前一直在windows平台上跑pytorch，但很多包无法安装，必须要使用Linux。在经历了很多坑，无数次重装系统，崩溃，坚持后终于在Ubuntu20.04上成功安装pytorch，现将经验分享，希望能对初学者有一定参考。 一、安装Ubantu20.04系统 在清华源上下载系统安装包，找一个空U盘，用第三方软件制作系统启动盘。注意一定是空U盘，制作启动盘时会将U盘格式化。 Index of /ubuntu-releases/2...
Ubuntu20.04+3090ti+python3.6+tensorflow+pytorch下conda环境配置文件.yml
04-17
Ubuntu20.04+3090ti+python3.6+tensorflow+pytorch下conda环境配置文件.yml 详情可查看博客：https://blog.csdn.net/weixin_42213421/article/details/124225950 python=3.6.13 tensorflow-gpu=2.6.2 tensorboard=...
Ubuntu20.04+3090ti+python3.7+tensorflow+pytorch下conda环境配置文件.yml
04-17
Ubuntu20.04+3090ti+python3.7+tensorflow+pytorch下conda环境配置文件.yml 详情可查看博客：https://blog.csdn.net/weixin_42213421/article/details/124225950 python=3.7.13 tensorflow-gpu=2.8.0 tensorboard=...
ubuntu20.04的CUDA、cudnn、pytorch快速安装
qq_43012839的博客
05-16 841
ubuntu20.04的CUDA、cudnn、pytorch快速安装
基于特定的显卡和Ubuntu20.04 操作系统配置cuda+pytorch环境(适用于初学者)
qq_16879379的博客
04-08 214
初学者安装cuda和pytorch的正确步骤
NVIDIA CUDA 深度神经网络库- cuDNN
ccf19881030的专栏
01-28 650
NVIDIA cuDNN NVIDIA CUDA® 深度神经网络库 (cuDNN) 是经 GPU 加速的深度神经网络基元库。cuDNN 可大幅优化标准例程（例如用于前向传播和反向传播的卷积层、池化层、归一化层和激活层）的实施。 世界各地的深度学习研究人员和框架开发者都依赖 cuDNN 实现高性能 GPU 加速。借助 cuDNN，研究人员和开发者可以专注于训练神经网络及开发软件应用，而不必花时间进行低层级的 GPU 性能调整。cuDNN 可加速广泛应用的深度学习框架，包括 Caffe2、Chainer、Ker
【2023最新版】Win11: WSL（Ubuntu22.04）使用GPU 加速教程（通过Anaconda搭建深度学习环境）
天地玄黄 魑魅魍魉 风花雪月 商角徵羽 暂时停更 十月重见
08-04 6902
本文介绍了在WSL2上配置GPU加速的步骤。首先，安装WSL2，然后获取NVIDIA驱动程序以支持GPU； 介绍了在WSL2上使用Anaconda来搭建深度学习环境，包括创建虚拟环境、安装适用于GPU的深度学习框架tensorflow-gpu2.3.0，以及测试； 介绍了如何在WSL上设置TensorFlow-DirectML，并进行虚拟环境的创建、机器学习框架的安装和测试。
Ubuntu使用GPU深度学习加速的环境配置
xu.hyj
11-20 4340
1. 下载GPU驱动 去官网根据条件下载对应的GPU驱动文件，得到.run文件 2. 禁用Nouveau 驱动 禁用 Nouveau 驱动 3. 安装驱动 依次执行以下命令: sudo apt install make sudo apt install gcc sudo chmod 777 xx.run sudo apt-get remove --purge nvidia* sudo bash xx.run 然后出现选择时，一路默认即可 最后验证是否安装成功，使用命令nvidia-smi，会出现以下证明成
Ubuntu中darkros调用gpu加速
hooksten的博客
03-31 567
之后去官网：https://developer.nvidia.com/cuda-toolkit-archive。当然这里面其实会报很多错误，跟你的显卡算力等有关，建议自己去尝试一下。既然启动了硬件加速，检验一下性能就好的就是用图像检测了yolov3。cuda：由nvidia-smi可以看到cuda的version。这是没有加速的状态，FPS特别小，而且比较卡。（cudnn=1，opencv=1也可）选择这些，然后按照指令安装即可。fps一直变化，但基本都有上百。xxxx这里忘了记录了。
pytorch训练过程io性能加速技巧（ubuntu 22.04）
u011876981的博客
10-19 887
对于用于做深度学习的个人PC，很容易存在的一个问题，即重GPU，而忽略IO性能，导致输出延时过高，显卡吃不饱。这里总结一些小的技巧，帮助提升IO性能。
ubuntu16.04下安装TensorFlow(GPU加速)----详细图文教程
热门推荐
zhaoyu106的博客
10-18 18万+
写在前面一些废话接触深度学习已经有一段时间，之前一直在windows下使用Theano，但是发现Theano天书般的源码真是头大，在看到tensorflow中文教程后，发现它竟然逻辑清晰，教程丰富，实在是居家旅行必备良药啊![偷笑][偷笑][偷笑]所以决定利用国庆假期学习ubuntu和TensorFlow的安装，结果入坑无数，同时搞坏了一块1T硬盘(花了450大洋啊，心在滴血…)。初步估算，整个安装
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