ubuntu18.04安装CUDA

最新推荐文章于 2024-07-07 13:38:23 发布
最新推荐文章于 2024-07-07 13:38:23 发布
阅读量886 收藏 4
点赞数 3
文章标签： python linux
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/cai_niao_fky/article/details/112942654
版权
本文介绍了在Ubuntu18.04上安装CUDA10.0的详细步骤，包括安装原因、检查系统CUDA状态、下载与安装CUDA、设置环境变量，以及解决安装过程中可能出现的问题。
摘要由CSDN通过智能技术生成

ubuntu18.04安装CUDA10.0

我为什么要安装CUDA呢？

因为跑很多深度学习项目的时候都会有device=“cuda：0”
CUDA（Compute Unified Device Architecture）是一种用于GPU并行计算框架，用了这个架构就可以把深度学习东西移到GPU上去跑，跑的更快。只有NVIDIA的显卡才能用这个框架，AMD的是用不了的。

为什么要安装CUDA10.0？

在做项目的时候我希望有一个py27的环境，因为只有python2才能兼容好ROS系统，试过python3可以发布话题等，但是在导某些包的时候还是会有问题，比如cv_bridge这个模块,有时候它会去找自带python2.7里面的环境。会比较乱。同时我又希望安装pytorch的gpu版本。
https://download.pytorch.org/whl/torch_stable.html
这里可以看支持python2.7的pytorch的版本
在这里插入图片描述在这里插入图片描述
可以看到这里cuda10.0可以支持torch1.4最高就是1.4啦，所以我只能这样安装1

最低0.47元/天 解锁文章
凯凯月
关注
  • 3
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
64位ubuntu安装32位编译器
zlprogrammer的专栏
09-03 3619
sudo apt-get update sudoapt-getdist-upgrade sudo apt-get install build-essential module-assistant sudo apt-get install gcc-multilib g++-multilib sudo apt-get install libc6-dev-i386 sudo apt-get ...
64位Ubuntu使用32位编译器
qq_41006901的博客
12-12 831
64位Ubuntu使用32位编译器 有时候我们需要在64位Ubuntu上使用32位编译器交叉编译代码。
Ubuntu 20.04下多版本CUDA的安装与切换 超详细教程
最新发布
qq_50677040的博客
07-07 2995
当我们复现代码时，总会需要不同版本的 CUDA。此时，我们就需要安装多个版本的 CUDA ，并实现灵活切换。本文将在已有 CUDA11.3 的 Ubuntu20.04 下，安装 CUDA11.8。
在64位ubuntu下编译32位程序支持
锅锅的博客
11-03 338
打开多构架支持 sudo dpkg --add-architecture i386 sudo apt-get update sudo apt-get dist-upgrade 安装 gcc-multilib sudo apt-get install gcc-multilib g+±multilib 然后就可以安装32位的工具链了
ubuntu64编译32位程序
spacegrass的专栏
12-05 717
64位ubuntu系统默认是没有32位库的，如果需要编译32位库，需要手动安装32位依赖库。 即使是编译arm linux 32位也是一样。   sudo apt-get install lib32ncurses5 ​lib32z1    ...
Ubuntu20.04下cuda、cudnn、paddle安装的完整过程
Trisyp的博客
06-21 2017
cuda的安装教程和paddle的安装使用
dpkg: 处理归档 /var/cache/apt/archives/nvidia-cuda-dev_7.5.18-0ubuntu1_amd64.deb (--unpack)时出错： 正试图覆盖 /
梦想是要有的，万一实现了呢！
05-14 733
正在解包 nvidia-cuda-dev (7.5.18-0ubuntu1) ... dpkg: 处理归档 /var/cache/apt/archives/nvidia-cuda-dev_7.5.18-0ubuntu1_amd64.deb (--unpack)时出错： 正试图覆盖 /usr/lib/x86_64-linux-gnu/stubs/libcublas.so，它同时被包含于软件包 libcublas-dev 10.2.2.89-1 dpkg-deb：错误：子进程 粘贴 被信号(断开的管道) 终止.
pytorch学习笔记（十八）：Use-Gpu
逐梦er的博客
08-03 4639
在本节中，我们将介绍如何使用单块NVIDIA GPU来计算。所以需要确保已经安装好了PyTorch GPU版本。准备工作都完成后，下面就可以通过nvidia-smi命令来查看显卡信息了。 !nvidia-smi # 对Linux/macOS用户有效 输出： Sun Mar 17 14:59:57 2019 +-----------------------------------------------------------------------------+ | NVIDIA-SMI
读取torch.Tensor数据类型
qq_43622870的博客
03-20 5216
读取torch.Tensor数据类型 最近弄一下yolov5的detect.py，想提取一下检测数据，记录 a = torch.tensor(4., device='cuda:0') print(a.item(), a.dtype, a.data, a.int()) ''' 输出： 4.0 torch.float32 tensor(4., device='cuda:0') tensor(4, device='cuda:0', dtype=torch.int32) ******************
CPU&GPU
weixin_44891249的博客
01-30 1961
常用函数 #设置设备 device=torch.device('cuda:0' if torch.cuda.is_available() else 'cpu') #判断是否有cuda可用 if_cuda=torch.cuda.is_available() #统计gpu个数 gpu_count=torch.cuda.device_count() #将模型设置为多个gpu并行模式 model=torch.nn.DataParallel(net) optim=optim.SGD(model.mod..
Ubuntu64位系统（20.04、22.04）安装32位armQT4开发环境补充说明
robin861109的博客
05-04 3278
在 Ubuntu 20.04和Ubuntu 22.04中，出现了新的兼容性问题，如果希望在ubuntu中编译和安装qt4源码，则需要降低GCC的版本。我们是通过使用 `update-alternatives` 命令来切换版本，即在不同版本的 GCC 和 G++ 之间进行切换，完成对QT4编译和安装。 还有另一个更为实用的在新的ubuntu系统中搭建QT4开发环境的方法，即将已经编译完成的QT库和tslib库导入的方法，我们也做了简单的介绍。
Pytorch中实现CPU和GPU之间的切换
mxh3600的博客
04-27 1万+
如何在pytorch中指定CPU和GPU进行训练，以及cpu和gpu之间切换 由CPU切换到GPU，要修改的几个地方： 网络模型、损失函数、数据（输入，标注） # 创建网络模型 tudui = Tudui() if torch.cuda.is_available(): tudui = tudui.cuda() # 损失函数 loss_fn = nn.CrossEntropyLoss() if torch.cuda.is_available(): loss_fn = loss_fn.c
cuda_device的血泪教训
YasmineC的博客
03-03 3206
之前声明cuda设备的方式都是首先os.environ['CUDA_VISIBLE_DEVICES'] = '0,1,2,3,4,5,6,7', 代表能看到所有设备，然后再通过device = 'cuda:6'+model = model.to(device), 放到其中某个设备上。今天要跑一个新模型，仍然选择这种方式，但是非常神奇，我生命了'cuda:6'，但是模型偏偏就是会跑到'cuda:0'和'cuda:6'上 于是换了种方式，os.environ['CUDA_VISIBLE_DEVICES'] =
KeyError: tensor(2, device=‘cuda:0‘)
qq_38465092的博客
04-13 3727
在运行pytorch官方的一个教程时出现KeyError: tensor(2, device='cuda:0')错误 解决方法： 将 decoded_words.append(output_lang.index2word[ni]) 改为 decoded_words.append(output_lang.index2word[int(ni)
AssertionError: CUDA unavailable, invalid device cuda 0 requested
热门推荐
AIOT魔法师
04-08 1万+
先单独创建一个py文件用于测试cuda是否配置正确 print(torch.cuda.is_available()) 运行后输出的是True，这代表你的cuda已经安装好了。 打开报错的程序，在主程序里面加入上面那一句： print(torch.cuda.is_available()) 然后把device改成cuda，默认是cuda0 然后运行问题就解决了。 ...
运行时报错RuntimeError: expected device cpu but got device cuda:0
qq_41368074的博客
05-06 1万+
最近在运行pytorch代码时发现的该错误，不管是 expected cpu 还是 expected cuda， 本质原因都是类型不匹配。 一般是因为： 等号左边和右边类型不一样 运算符左右两端类型不同，例：+ - * / 同一个函数内，传入参数的类型不同，例matmul等 你要考虑你的大环境是在什么上面部署的,CPU 还是 CUDA,然后再出错位置尝试修改数据. ->cuda :...
深度学习——使用GPU
jbkjhji的博客
11-25 1779
6.①用GPU训练神经网络:模型后面调用.to(device)②try_gpu(10)：没有10块GPU所以返回CPU。②在GPU计算X+Y，保证X和Y要在同一块GPU不然报错。①try_all_gpus()：返回所有GPU的列表。①try_gpu()：返回可用的GPU。3.训练的时候选择CPU还是GPU。②查看GPU，cuda代表GPU。② 确认模型参数在GPU上。1.查看GPU版本的内容。4.查询张量的所在设备。5.①张量存储在GPU。
【pytorch】【Error】KeyError: tensor(2, device=‘cuda:0‘)
wandugu的博客
12-03 2299
解决方法：将数组下标强转为int 例： # 原： length = [id2tags[i.item()] for i in y[0].cpu() if i.item() > 0] # 改： length = [id2tags[int(i.item())] for i in y[0].cpu() if i.item() > 0]
MobileNet网络详解
pyscl01的博客
10-31 879
MobileNet网络结构实现与详解
ubuntu 18.04安装cuda
09-25
4. 下载CUDA安装文件cuda_11.2.0_460.27.04_linux.run。您可以从Nvidia官方网站的下载页面获取该文件。 5. 打开终端窗口，并导航到下载目录。 6. 运行以下命令以安装CUDA： ``` sudo sh cuda_11.2.0_460.27.04_...
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