服务器新建用户步骤及报错处理、本地Jupyter网页使用服务器资源运行步骤及报错处理、安装TensorFlow-GPU、PyTorch-GPU、PaddlePaddle-GPU

c.NotebookApp.ip = '*'                #允许所有ip访问，很重要
c.NotebookApp.open_browser = False    #不打开浏览器
c.NotebookApp.port = 8888             #端口为8888，可以自己设置

2.4.6 Jupyter添加kernel

然后将该虚拟环境添加到Jupyter中

$ python -m ipykernel install --user --name [虚拟环境名] --display-name [想要在jupyter上显示的环境名]

以py38为例

$ python -m ipykernel install --user --name py38 --display-name py38

2.4.7 在服务器上启动Jupyter

$ jupyter notebook --no-browser --port=8888 --ip=[服务器ip]

$ jupyter lab --no-browser --port=8888 --ip=[服务器ip]

2.4.8 复制地址在本地浏览器打开Jupyter

4 Python将txt文本中的每一行读成列表中的一个元素：Python将txt文本中的每一行读成列表中的一个元素

5 安装GPU版本的TensorFlow

5.1 安装

$ conda install tensorflow-gpu==2.7

总结：用conda安装的话，它就会在conda对应的虚拟环境里面自己匹配一个cudatoolkit和cudnn

5.2 TensorFlow查看GPU是否可用

import tensorflow as tf
tf.test.is_gpu_available()

6 安装GPU版本的PyTorch

6.2 安装GPU版本的PyTorch

总结：

（1）在Anaconda环境中用conda安装

注意：若没有任何的Anaconda环境被激活，则使用conda命令行安装默认安装在Anaconda的base环境中，使用pip才是在本地安装

（2）在win10本地安装用pip安装

（3）无论是用conda还是pip安装，只要速度太慢，就可以下载whl文件安装

（4）conda有网络问题下不了就用pip下

6.3 PyTorch查看GPU是否可用

总结：

（1）先加上清华镜像源

（2）Anaconda指令安装指定cuda版本对应的PyTorch

$ conda install pytorch torchvision torchaudio cudatoolkit=11.1

（3）PyTorch查看GPU是否可用

（4）若不可用

$ conda uninstall cpuonly

若无cpuonly函数库，先

$ conda install cpuonly

7 安装GPU版本的PaddlePaddle

7.2 安装GPU版本的PaddlePaddle

$ python -m pip install paddlepaddle-gpu==2.5.2.post112 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html

总结：使用官网的pip命令安装

7.3 PaddlePaddle查看GPU是否可用

总结：

import paddle
paddle.utils.run_check()

8 说明

（1）安装GPU版本的深度学习框架方法汇总

（2）从官网直接安装 CUDA Toolkit 和使用 Conda 安装 PyTorch 时安装 CUDA Toolkit 有以下区别：

安装源：
- 官网安装 CUDA Toolkit：您将从 NVIDIA 官方网站下载 CUDA Toolkit 安装程序，并直接在系统中运行该程序进行安装。
- Conda 安装 PyTorch：您将使用 Conda 包管理器安装 PyTorch，并指定要安装的 PyTorch 版本和相应的 CUDA Toolkit 版本。Conda 会自动下载和安装所需的软件包。
安装方式：
- 官网安装 CUDA Toolkit：您需要按照 CUDA Toolkit 安装程序的说明进行手动安装。这包括运行安装程序、选择适当的选项和配置系统环境变量等步骤。
- Conda 安装 PyTorch：您可以使用一条简单的命令（如 conda install pytorch torchvision torchaudio cudatoolkit=10.2）来安装 PyTorch，并同时指定所需的 CUDA Toolkit 版本。Conda 会自动解决依赖项并安装所需的软件包。
环境管理：
- 官网安装 CUDA Toolkit：您需要自行管理 CUDA Toolkit 的版本和系统环境变量的配置。
- Conda 安装 PyTorch：Conda 提供了环境管理功能，您可以在不同的虚拟环境中安装和管理不同版本的 PyTorch 和 CUDA Toolkit。这使得在同一系统上使用不同版本的 PyTorch 和 CUDA Toolkit 变得更加简单。
兼容性：
- 官网安装 CUDA Toolkit：您需要仔细查看 CUDA Toolkit 版本与您要使用的 GPU 和其他软件包的兼容性。确保所选的 CUDA Toolkit 版本与您的硬件和软件要求相匹配。
- Conda 安装 PyTorch：通过使用 Conda 安装命令，并指定要安装的 PyTorch 版本和相应的 CUDA Toolkit 版本，您可以确保 PyTorch 和 CUDA Toolkit 之间的兼容性。

总体而言，两种安装方式的主要区别在于安装源、安装方式、环境管理和兼容性。选择哪种方式取决于需求和个人偏好。如果对 CUDA Toolkit 版本和系统环境配置有更精确的控制需求，官网安装方式可能更合适。如果希望方便地管理和切换不同版本的 PyTorch 和 CUDA Toolkit，并且对安装和环境配置要求较少，使用 Conda 安装方式可能更方便。

（3）根据（2），如果服务器中已经安装了 CUDA Toolkit，那么在安装 PaddlePaddle 时就可以不再次安装 CUDA Toolkit。当在服务器上安装 PaddlePaddle 时，它会自动检测 CUDA Toolkit 的安装情况，并使用 CUDA 提供的 GPU 加速功能。cuDNN也是同理。但是如果你想使用不同版本的CUDA Toolkit，还需要再安装一下。同时，安装CUDA Toolkit就是安装CUDA。

ad转化器

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
服务器新建用户步骤及报错处理、本地Jupyter网页使用服务器资源运行步骤及报错处理、安装TensorFlow-GPU、PyTorch-GPU、PaddlePaddle-GPU

服务器新建用户步骤及报错处理、本地Jupyter网页使用服务器资源运行步骤及报错处理、安装TensorFlow-GPU、PyTorch-GPU、PaddlePaddle-GPU
复制链接

扫一扫