目录
简介:
最重要的原因是没钱!!!!。 a卡价格低,适合玩游戏。 p104价格就100多,拿来作为本地调试已经搓搓有余了。 再加上恒源云,按时间收费,可以使用4090, a100等等显卡,冲个100块钱学习就够用了。 所以配置一台深度学习的机器,只需要2000元不到。
硬件
显卡p104, 或者p40, 等等深度学习计算卡。
a卡:自己选着。
淘宝买一个pcie x1转接器 20元
大概长这样。 主板上有pcie x1接口,找找就能看见。
步骤和bug:
电源要求
p104是 8pin供电。 注意自己的电源,至少是双8pin。 是否留有额外的8pin接口
无法识别p104
如果直接插入,无法识别到p104。 解决办法是,找一张其他的n卡插入,识别出并且安装了驱动之后,再插入p104。则能够识别出p104
环境安装
cuda安装
超详细的CUDA安装教程_OldWang学人工智能的博客-CSDN博客
conda安装
全网最完美Conda安装及使用教程 - 知乎 (zhihu.com)
pytroch安装
推荐用pip的方式
遇到的问题,只能安装cpu版本的torch. 解决办法:
conda uninstall cpuonly
本地环境:
pycharm安装
配置本地环境:
File -> Settings -> Project -> python interpreter 如图:
点击 Add interpreter: 选择conda环境 -> use existing environment -> 选择 use existing envioment。 -》 确定
选择下面的控制台:
就是我们本地的环境了
云环境:
推荐恒源云。原因就是便宜:
注册账号:选择一台机器
连接云实列
官方文档
PyCharm - 恒源云用户文档 (gpushare.com)
简化:
和本地配置一样
选择 SSH
复制恒源云 用户名和密码
我们这里使用conda环境。
同步本地和服务器资源:
控制台选择环境:
配置完成, 本地环境和云环境都是一样使用。
总结:
这样一来,既可以本地使用低廉的gpu作为本地调试,也可以使用云环境的4090 a100这些买不起的gpu跑调好的代码。是没有钱的小伙伴最好的途径。