上一篇是在Windows下配置的环境,代码太占显存,换一个服务器。呜呜呜呜呜呜,又要配环境!!!!!这一篇在Ubuntu下从头到尾配置。
设备:Ubuntu18.04+2*Titan RTX(24GB)
一、安装NVIDIA驱动(终端出现下图结果表示安装成功)。驱动版本为515.48.07,CUDA版本为 11.7。我装好cudnn后发现tensorflow的gpu版本还不支持cuda11.7!!!啊啊啊啊啊啊啊啊啊啊啊啊啊又是疯掉的一早上。
参考:ubuntu18.04 安装Nvidia驱动的三种方式(必看)_低吟浅笑的博客-CSDN博客_ubuntu18.04安装nvidia显卡驱动
二、查看对应版本!!!!
tensorflow目前最高支持cuda11.2。
1.首先查看NVIDIA对应的CUDA版本。Release Notes :: CUDA Toolkit Documentation (nvidia.com)
2.查看linux系统下tensorflow对应的GPU版本和CPU版本 :从源代码构建 | TensorFlow
3.查看pytorch对应的cuda版本:Previous PyTorch Versions | PyTorch
pytorch libtorch 不同版本对应的cuda_今年不吃饭...的博客-CSDN博客_pytorch对应的cuda版本
三、安装Anaconda。
记录一下安装路径:
四、在终端输入安装命令(比官网下载方便太多!!!)
PS:从官网下载cuda的时候可能会遇到归档错误。解决办法如下
终端输入红框中的相应命令
“sudo dpkg -i cuda-repo-------” 第四句命令可能会报归档错误(没遇到跳过此步骤)。解决办法如下:
按顺序输入以下三个命令后再输入 “sudo dpkg -i cuda-repo-------”这条命令。
配置环境变量,在文件最后添加红框中的内容(填写自己的cuda版本)
输入命令1使环境变量生效,输入命令2出现以下结果表明安装成功