Anaconda Pytorch CUDA GPU 版本匹配问题整理 linux远程服务器

【遇到的问题】

大概意思就是说当前GPU的算力与当前版本的Pytorch依赖的CUDA算力不匹配(3090算力为8.6,而当前版本的pytorch依赖的CUDA算力仅支持3.7,5.0,6.0,6.1,7.0,7.5)


参考:低版本GPU可在相对高的CUDA版本下运行,例如:算力为8.0的GPU可在算力为8.6的CUAD版本下运行,而相反则不行。同理算力8.x的显卡不可以在支持最高算力7.x的CUDA版本下运行。
因此应该尽量安装更高版本的CUDA


重新安装稍高版本后这个cell(模型定义)没有运行超时但提示还在(又换了最新版本提示就无了)后验证模型又遇到新问题

 所以从头整理一下整个逻辑。



 从头捋了一遍之后成功运行了TOT

【传数据集到服务器】
scp -P 20022 -r G:\AAA\Tasks\pytorch-master\pytorch-master\bert-sst2\sst2_shuffled.tsv suntingyu@xx.xx.xx.xxx:/data/home/suntingyu/BertProject

#从本地上传文件 如果是传文件夹就要-r, 单个文件不需要

【cmd显示】
C:\Users\Administrator>scp -P 20022 -r G:\AAA\Tasks\pytorch-master\pytorch-master\bert-sst2\sst2_shuffled.tsv suntingyu@xx.xx.xx.xxx:/data/home/suntingyu/BertProject
sst2_shuffled.tsv                                                                                                                                                                                                                                                                                                                                                                                                                                                                             100% 1144KB   1.7MB/s   00:00
————————————————————————————————————————

【卸载anaconda】
rm -rf /data/home/suntingyu/anaconda3
注释掉.bashrc的路径
【重装anaconda】
#https://repo.anaconda.com/archive/找对应版本
wget https://repo.anaconda.com/archive/Anaconda3-2019.10-Linux-x86_64.sh
suntingyu@ps-30802:~$ chmod +x Anaconda3-2019.10-Linux-x86_64.sh
suntingyu@ps-30802:~$ /data/home/suntingyu/Anaconda3-2019.10-Linux-x86_64.sh



conda env list  
#创建虚拟环境
conda create -n pytorch python==3.7

==> WARNING: A newer version of conda exists. <==
  current version: 4.7.12
  latest version: 22.9.0

Please update conda by running

    $ conda update -n base -c defaults conda



conda env list  
# conda environments:
#
base                  *  /data/home/suntingyu/anaconda3
pytorch                  /data/home/suntingyu/anaconda3/envs/pytorch

(base) suntingyu@ps-30802:~$ conda --version
conda 22.9.0


#激活虚拟环境
conda activate pytorch
#退出环境
conda deactivate



(base) suntingyu@ps-30802:~$ nvidia-smi
Sat Oct 22 22:00:52 2022       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 470.57.02    Driver Version: 470.57.02    CUDA Version: 11.4     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|                               |                      |               MIG M. |
|===============================+======================+======================|
|   0  NVIDIA GeForce ...  On   | 00000000:18:00.0 Off |                  N/A |
| 30%   33C    P8    12W / 350W |      2MiB / 12053MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+
|   1  NVIDIA GeForce ...  On   | 00000000:3B:00.0 Off |                  N/A |
| 30%   29C    P8    19W / 350W |      2MiB / 12053MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+
|   2  NVIDIA GeForce ...  On   | 00000000:AF:00.0 Off |                  N/A |
|  0%   27C    P8    29W / 350W |   3413MiB / 24268MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+
                                                                               
+-----------------------------------------------------------------------------+
| Processes:                                                                  |
|  GPU   GI   CI        PID   Type   Process name                  GPU Memory |
|        ID   ID                                                   Usage      |
|=============================================================================|
|    2   N/A  N/A      3477      C   ...oyao/anaconda3/bin/python     3411MiB |
+-----------------------------------------------------------------------------+


———————————————————————————————————————————————————————————————————————
#换清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/ 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

#安装pytorch
conda install pytorch torchvision torchaudio cudatoolkit=11.3 #把官网最后-c pytorch 去掉

#安装包
conda install package_name
#卸载包
conda remove package_name
#显示所有安装的包
conda list
#删除虚拟环境命令
conda remove -n env_name --all



#安装pytorch完成检测
(pytorch) suntingyu@ps-30802:~$ python
Python 3.7.0 (default, Oct  9 2018, 10:31:47) 
[GCC 7.3.0] :: Anaconda, Inc. on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> print(torch.__version__)
1.12.1
>>> print(torch.cuda.is_available())
True



pip install transformers
 

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 很高兴回答您的问题,Ubuntu Anaconda安装PyTorch CUDA=11.6 GPU版本的步骤如下:1. 安装CUDA 11.6;2. 安装Anaconda;3. 通过Anaconda安装PyTorch;4. 安装CUDA Toolkit;5. 激活GPU版本PyTorch。 ### 回答2: 要在Ubuntu上安装PyTorch CUDA 11.6 GPU版本,可以按照以下步骤进行: 1. 首先,确保您的系统中已经安装了合适版本的NVIDIA驱动程序,以支持CUDA 11.6。可以使用以下命令检查已安装的NVIDIA驱动程序版本: ``` nvidia-smi ``` 2. 接下来,安装Anaconda来管理Python环境。您可以从Anaconda官方网站下载适用于Ubuntu的Anaconda安装程序。下载完毕后,运行以下命令安装Anaconda: ``` bash Anaconda-latest-Linux-x86_64.sh ``` 3. 安装完成后,更新Anaconda: ``` conda update --all ``` 4. 创建一个新的conda环境,并激活该环境: ``` conda create --name myenv conda activate myenv ``` 5. 添加conda源,以便安装PyTorchCUDA 11.6: ``` conda config --add channels conda-forge conda config --add channels pytorch ``` 6. 安装PyTorchCUDA 11.6: ``` conda install pytorch torchvision torchaudio cudatoolkit=11.6 -c pytorch -c conda-forge ``` 7. 安装完成后,您可以使用以下命令验证是否成功安装: ``` python import torch print(torch.cuda.is_available()) ``` 如果输出为True,则表示PyTorchCUDA 11.6 GPU版本已成功安装在您的Ubuntu系统上。 请注意,安装过程可能需要一些时间,并且根据您的系统配置以及网络连接状况,可能会有一些额外的依赖项需要安装。您可以根据安装提示进行相应的操作。 ### 回答3: 要在Ubuntu上安装PyTorchCUDA 11.6 GPU版本,可以按照以下步骤进行操作: 1. 首先,在Ubuntu上安装Anaconda,可以从Anaconda官方网站下载适用于LinuxAnaconda安装程序。 2. 下载安装完成后,在终端中输入以下命令以创建并激活一个新的Anaconda环境: ``` conda create --name pytorch_env conda activate pytorch_env ``` 3. 接下来,安装CUDA 11.6驱动程序。可以从NVIDIA官方网站下载并根据说明进行安装。确保所使用的CUDA版本与显卡兼容。 4. 在Anaconda环境中安装PyTorch和必需的依赖项。可以使用conda命令或pip命令进行安装。以下是使用conda安装的示例命令: ``` conda install pytorch torchvision torchaudio cudatoolkit=11.6 -c pytorch ``` 或者,使用pip命令安装: ``` pip install torch==1.9.0+cu116 torchvision==0.10.0+cu116 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html ``` 这将安装PyTorch 1.9.0版本及其相关软件包,并与CUDA 11.6版本进行连接。 5. 安装完成后,可以编写和运行使用PyTorch进行GPU计算的程序了。可以在Python脚本中导入PyTorch库,并使用GPU进行计算。示例代码如下: ```python import torch # 检查CUDA是否可用 if torch.cuda.is_available(): device = torch.device("cuda") # 将张量分配给GPU x = torch.tensor([1.0, 2.0]).to(device) y = torch.tensor([3.0, 4.0]).to(device) z = x + y print(z) else: print("CUDA不可用") ``` 以上是在Ubuntu上使用Anaconda安装PyTorch CUDA 11.6 GPU版本的一般步骤。具体的安装细节可能会根据系统的配置和要求有所不同,请确保根据实际情况进行相应调整。

“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
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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