四卡2080Ti服务器深度学习环境配置

最新推荐文章于 2024-07-03 00:56:03 发布
最新推荐文章于 2024-07-03 00:56:03 发布
阅读量541 收藏 1
点赞数
文章标签： 服务器 深度学习
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/m0_56157357/article/details/131692346
版权

一、软件安装

需要安装如下软件：

软件名 版本 官方网址
Anaconda 2022.05 https://www.anaconda.com/products/distribution
Pycharm 2021.1.3 https://www.jetbrains.com/pycharm/download/other.html

因为需要在Ubuntu中安装上述两个软件，故首先需要下载软件安装包，所以有两种方法可行，因本人使用方法二，故详细叙述方法二的操作过程：

方法一：在本机（Windows）下分别登录Anaconda和Pycharm官网，下载软件安装包后，使用MobaXterm软件上传至vomssd目录中（注：以vom为例）。

方法二：在本机（Windows）下分别登录Anaconda和Pycharm官网，找到软件对应版本，复制软件下载链接，将Ubuntu当前目录切换至/home/vom/vomssd中，使用wget命令将软件安装包下载至当前目录中，具体操作流程如下图所示：

首先安装Pycharm

最低0.47元/天 解锁文章
_小黄小黄_
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
pytorch+win10+pip安装+基本使用 for 2080TI GPU
驽马十驾，功在不舍；锲而不舍，金石可镂。
11-27 3035
pytorch+win10+pip安装 for 2080TI GPU1.Pytorch安装2.CUDA安装3.cudnn安装4.安装过程中可能遇到的bug4.1 ImportError: numpy.core.multiarray failed to import参考文献 新入手2块2080TI GPU 1.Pytorch安装 在https://pytorch.org/pytorch主页选择对应的torch及torchvision版本： pip install torch==1.7.0+cu101 tor
YOLOv5(PyTorch)实战：训练自己的数据集(Ubuntu)
10-08
YOLO系列是基于深度学习的端到端实时目标检测方法。 PyTorch版的YOLOv5轻量而性能高，更加灵活和易用，当前非常流行。 本课程将手把手地教大家使用labelImg标注和使用YOLOv5训练自己的数据集。课程实战分为两个项目：单目标检测（足球目标检测）和多目标检测（足球和梅西同时检测）。 本课程的YOLOv5使用ultralytics/yolov5，在Ubuntu系统上做项目演示。包括：安装YOLOv5、标注自己的数据集、准备自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型和性能统计。 希望学习在Windows系统上演示的学员，请前往《YOLOv5(PyTorch)实战：训练自己的数据集(Windows)》课程链接：https://edu.csdn.net/course/detail/30923本人推出了有关YOLOv5目标检测的系列课程。请持续关注该系列的其它视频课程，包括：《YOLOv5(PyTorch)目标检测实战：训练自己的数据集》Ubuntu系统 https://edu.csdn.net/course/detail/30793Windows系统 https://edu.csdn.net/course/detail/30923《YOLOv5(PyTorch)目标检测：原理与源码解析》课程链接：https://edu.csdn.net/course/detail/31428《YOLOv5目标检测实战：Flask Web部署》课程链接：https://edu.csdn.net/course/detail/31087《YOLOv5(PyTorch)目标检测实战：TensorRT加速部署》课程链接：https://edu.csdn.net/course/detail/32303《YOLOv5目标检测实战：Jetson Nano部署》课程链接：https://edu.csdn.net/course/detail/32451《YOLOv5+DeepSORT多目标跟踪与计数精讲》课程链接：https://edu.csdn.net/course/detail/32669《YOLOv5实战口罩佩戴检测》课程链接：https://edu.csdn.net/course/detail/32744《YOLOv5实战中国交通标志识别》课程链接：https://edu.csdn.net/course/detail/35209 《YOLOv5实战垃圾分类目标检测》课程链接：https://edu.csdn.net/course/detail/35284  
WIN10+RTX 2080Ti深度学习平台搭建，VS2019+CUDA11.0+cuDNN8.0+python3.8.7+Tensorflow2.4.0+Keras，以及各种科学包
享受当下
02-19 1991
WIN10+RTX 2080Ti深度学习平台搭建 前置声明：博文中有一些图片来自网上截图（因为安装完成后做的记录，有些安装过程图嫌麻烦没有复现），侵删。 可选步骤： 如果之前有python环境，需要卸载掉全部依赖包，进而再次重新安装的话，那需要知道如何一次性卸载掉全部原有python依赖包。操作方法如下： 第一步：打开CMD，随便进入一个目录下（这里我进入的是C:\Program Files\Python38\Scripts），然后执行下面的命令（txt文件名自己取）： pip freeze > re
如何理解Nvidia英伟达的Multi-GPU多卡通信框架NCCL？
weixin_33850015的博客
10-24 1922
问题详情： 深度学习中常常需要多GPU并行训练，而Nvidia的NCCL库NVIDIA/nccl（https://github.com/NVIDIA/nccl）在各大深度学习框架（Caffe/Tensorflow/Torch/Theano）的多卡并行中经常被使用，请问如何理解NCCL的原理以及特点？ 回答： NCCL是Nvidia Collective...
2080Ti深度学习环境配置及常用软件安装
qq_30899353的博客
08-28 602
2080Ti深度学习环境配置及常用软件安装 ubuntu 16.04双系统的安装(已有window10系统)显卡驱动安装tensorflow安装teamviewer安装pycharm安装matlab安装 双系统的安装(已有window10系统) ubuntu参考安装教程 [1] [2] [3] [4] ubunu16.04下载地址 U盘启动制作软件rufus 首先，准备软件和工具，下载ubuntu16.04 iso镜像文件，U盘启动软件rufus以及大于等于4G U盘一个（制盘时会格式化） 在自己
（B1）CenterNet复现（成功！！！）环境配置2080-pytorch0.4.1-cuda9.2（xingyizhou）
木槿qwer的博客
11-12 1205
CenterNet 成功复现
2080TI Ubuntu18.04 torch1.8保姆级yolov5运行环境搭建
AI小生~小陶的博客
03-07 616
2080 TI Ubuntu18.04 torch1.8保姆级yolov5运行环境搭建
win10+rtx4070ti深度学习环境（cuda 11.7、cudnn8.6.0、libtorch1.13.1+cu117）
02-14
在配置好深度学习环境后，你可以使用Python或C++编写代码，利用RTX 4070 Ti的强大计算力进行模型训练。对于C++部署，libtorch提供了一个丰富的API集合，可以方便地加载预训练模型，进行预测操作。 总之，搭建一个...
离线安装 timm 0.6.12 库，适用于在内网环境下的服务器环境配置
01-24
离线安装timm库，适用于在内网环境下的服务器环境配置！ 直接使用 pip install timm 会提示无网络，无法安装，且低于timm 0.4.12的版本会提示报错ImportError: cannot import name 'container_abcs' from 'torch._...
NVIDIA显卡2080ti for windows server 2012R2驱动
11-01
自NVIDIA2080ti及20系列发布以来，关于2080ti的windows server 2012R2及win8的驱动能否安装的声音此起彼伏，让众多尝试安装的人折了腰，现在我已经找到了2080ti的显卡驱动，希望能帮助到各位工程师！
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=...
服务器GTX 1080Ti 配置显卡驱动
08-08
服务器GTX 1080Ti 配置显卡驱动 版本号：390.67，最重要最重要的是把Ubuntu系统安装好。
2080TI Ubuntu18.04工作站搭建-深度学习环境(2)
AI小生~小陶的博客
02-23 1659
2080TI Ubuntu18.04工作站搭建-深度学习环境(2) 安装RTX2080TI驱动 准备工作,进入链接下载驱动,此页面搜索驱动较为友好:https://www.nvidia.cn/geforce/drivers/ 驱动下载好之后,根据以下链接进行配置安装,小编下载的是470.82.00 版本的,cuda最高支持11.4. https://blog.csdn.net/wf19930209/article/details/95237824 ...
基于TensorFlow使用RTX 2080 Ti深度学习基准（2020年）
m0_37909240的博客
08-07 1695
在本文中，讨论了RTX 2080 Ti与其他GPU相比的深度学习性能。我们使用RTX 2080 Ti来训练ResNet-50，ResNet-152，Inception v3，Inception v4，VGG-16，AlexNet和SSD300。我们在训练每个网络时测量每秒处理的图像数。 注意事项： 我们使用TensorFlow 1.12 / CUDA 10.0.130 / cuDNN 7.4.1 Tensor Core已被所有具有GPU的GPU所利用 RTX 2080 Ti-FP32 Tenso.
[云服务器与docker]在mmdetection3d上跑PointPillars
weixin_44698281的博客
12-03 2753
本文基本是按照下方链接跑代码。如何跑通PointRcnn_三烽的博客-CSDN博客点云目标检测（一）——PointRcnn复现环境要求数据准备程序准备组织数据程序运行Test Model可能出现的问题总结最近在进行点云目标检测方面论文工作，对于PointRcnn虽然readme已经写得很清楚了，但是复现过程中依然会遇到很多问题，以下是我对与readme的重述和对整个程序运行流程的一些说明。论文链接：PointRCNN papercode：PointRCNN code环境要求Linux (tested on
win10下pip安装pytorch-gpu以及CUDA/cuDnn的配置（避坑）
weixin_43741711的博客
10-03 1万+
文章目录1、升级nvidia显卡驱动2、离线下载CUDA3、安装对应版本的cudnn4、pip镜像安装pytorch-gpu及torchvision5、测试 装了一天，踩了不少坑。主要还是显卡驱动的问题，不管是用geforce experience还是驱动精灵，都没办法升级到最新的版本。这也限制了CUDA的版本，然而目前pytorch支持最低的CUDA版本是9.2，所以一直print False。最后，在官网上下载驱动包进行离线安装，解决了这个问题。另外，conda安装虽然方便，但是比较容易失败，利用pip
Ubuntu18.04+RTX 2080Ti+CUDA 10.0 +cuDNN+PyTorch搭建深度学习环境
06-30 697
注意tensorflow-gpu-2.0有几处代码改动，在跑faster-rcnn的时候有点问题，所以后面需要把tensorflow-gpu版本改成1.1+的。 我这里的环境是： Ubuntu16.04+2080ti+Display Driver430.50+cuda10.0+cudnn7+Anaconda(python3.6)+tensorflow-gpu-1.13.1 1. 显卡驱动: 版本430.50，有不同的安装格式，这里我下的是runfile。 安装显卡驱动步骤： （1）lsmod
深度学习的显卡对比评测：2080ti vs 3090 vs A100
热门推荐
deephub
03-30 2万+
显卡大幅降价了但是还可以再等等，新的40系列显卡也要发售了，所以我们先看看目前上市的显卡的性能对比，这样也可以估算下40显卡的性能，在以后购买时作为参考。 但是在本文之前一定要说下的是：本文并不推荐现在就买显卡，除非必须，现在一定不要买显卡，谁买谁吃亏，目前的情况是，“等” 就对了 回到正题，在这篇文章中我整理了几个在 NVIDIA GeForce RTX 3090 GPU 进行的深度学习性能基准测试。 一般的情况下我们都会使用 TensorFlow github 中的“tf_cnn_benchmarks
centos服务器fail2ban部署指南标准流程
最新发布
gallonyin的博客
07-03 264
Fail2Ban的默认配置文件在/etc/fail2ban/jail.conf，但不建议直接编辑这个文件。/etc/fail2ban/jail.local的优先级默认更高，无需指定路径。创建或编辑过滤器文件 /etc/fail2ban/filter.d/nginx-errors.conf，添4xx、5xx错误码。Fail2Ban会使用iptables来禁止IP地址。确保你的防火墙允许Fail2Ban添加规则。重启fail2ban生效。
2080ti 深度学习环境
07-27
2080ti 是一款强大的显卡，适合用于深度学习任务。要搭建一个深度学习环境，你需要以下几个步骤： 1. 安装CUDA和cuDNN：CUDA 是 NVIDIA 提供的并行计算平台，cuDNN 是一个针对深度神经网络的 GPU 加速库。你可以从 NVIDIA 官网下载并安装相应版本的 CUDA 和 cuDNN。 2. 安装深度学习框架：常用的深度学习框架包括 TensorFlow、PyTorch、Keras 等。选择一个适合你的框架，并按照官方文档进行安装。 3. 安装依赖库：在搭建深度学习环境时，可能需要安装一些依赖库，比如 NumPy、SciPy、Pandas 等。你可以使用 pip 或者 conda 来安装这些库。 4. 配置环境变量：将 CUDA 和 cuDNN 的路径添加到系统的环境变量中，这样深度学习框架才能正确地调用显卡进行加速计算。 5. 测试环境：最后，你可以编写一个简单的深度学习程序，并运行来测试你的环境是否搭建成功。 希望这些步骤对你有帮助！如果你有更多问题，欢迎继续提问。

“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 1
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