英伟达3090的配置过程与以往Cuda没有什么太大的区别,核心请注意目前仅Cuda11支持3090的卡。
细节请参见Ubuntu 18.04 配置cuda
Cuda安装
请先按照前述文章所述禁用nouveau与卸载GPU驱动。
随后前往https://developer.nvidia.com/cuda-toolkit-archive下载Cuda 11,3090务必下载Cuda11.X!
按照对应系统与版本进行选择,随后下载
在此给出Ubuntu 18.04的下载代码。注意,目前不需要添加no opengl相关参数,直接敲代码安装即可。但是仍需注意在该步不要安装驱动与更新X Server。
wget https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/cuda_11.1.0_455.23.05_linux.run
sudo sh cuda_11.1.0_455.23.05_linux.run
随后按照Ubuntu 18.04 配置cuda所述进行cuda配置即可。
GPU驱动安装
与Ubuntu 18.04 配置cuda对应章节类似,也不需要添加no opengl相关参数;但是注意避免更新XServer即可。
Cudnn安装
解压
tar -xzvf xxxx.tgz
复制
sudo cp cuda/include/cudnn*.h /usr/local/cuda/include
sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
验证
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
如下所示即表示cudnn安装完成
PyTorch安装
实测PyTorch 1.8.0支持3090与Cuda11,请通过PyTorch官网代码进行下载与安装;或是通过清华源等镜像下载后手动进行安装。
如果是通过清华源下载,请务必选择对应系统与python版本的pytorch安装包,否则可能安装成功代码无法import。
conda安装本地包代码为:
conda install --use-local PyTorch包地址
多用户
共用同一个conda环境
如果是用于服务器的目的,希望有多个用户一起使用同一个conda环境,仅需用配置好cuda环境的用户目录下的.bashrc
替换其它用户目录下的对应文件即可。
各自独立
如果希望各用户单独使用和维护自己的conda环境,先按照前一节所述替换好.bashrc
文件。
随后登录对应用户的账户,并在conda环境内执行conda create -n new_name --clone base
,new_name为克隆出的目标环境名称,base为原始环境名称(默认环境为base,需要克隆其它环境就自行替换)。等待完成后在.bashrc
文件最后增加一句conda activate new_name
即可,当该用户登录后将会自动进入对应的conda环境中。