Ubuntu 22.04 LTS AIGC GPU环境搭建（NVIDIA 550.67+CUDA 12.4+cuDNN）

已于 2024-03-26 22:46:02 修改
阅读量1.4k 收藏 20
点赞数 13
分类专栏： AIGC 文章标签： ubuntu AIGC 容器 人工智能 深度学习 terraform 云原生
于 2024-03-26 22:34:49 首次发布
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/qq_35925862/article/details/137060024
版权

Ubuntu 22.04 LTS AIGC GPU环境搭建（NVIDIA+CUDA+cuDNN）

一、服务器信息

1.1 硬件配置

服务器名称CPU（Intel® Xeon® W-2245）显卡（NVIDIA Quadro RTX 6000 24G）内存（G）硬盘（G）
AIGC-Precision8核16线程24G × 2642000

1.2 软件配置

  • Nvidia显卡驱动：https://www.nvidia.cn/download/driverResults.aspx/223630/cn/
  • Nvidia显卡驱动与CUDA驱动版本对应参考表：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
  • CUDA Toolkit 12.4 Downloads：https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64&Distribution=Ubuntu&target_version=22.04&target_type=runfile_local
  • cuDNN Downloads：https://developer.nvidia.com/cudnn-downloads?target_os=Linux&target_arch=x86_64&Distribution=Ubuntu&target_version=22.04&target_type=deb_local
  • NVIDIA Container Toolkit：https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/latest/install-guide.html
操作系统显卡驱动CUDA驱动cuDNN驱动MiniCondaDocker
22.04.4 LTS (Jammy Jellyfish)https://cn.download.nvidia.com/XFree86/Linux-x86_64/550.67/NVIDIA-Linux-x86_64-550.67.runhttps://developer.download.nvidia.com/compute/cuda/12.4.0/local_installers/cuda_12.4.0_550.54.14_linux.runhttps://developer.download.nvidia.com/compute/cudnn/9.0.0/local_installers/cudnn-local-repo-ubuntu2204-9.0.0_1.0-1_amd64.debhttps://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh26.0.0

二、系统初始化

2.1 安装常用工具

# 更新系统、内核等
sudo apt-get -y update && sudo apt-get -y upgrade && apt list --upgradable && sudo apt autoremove
# 备份系统默认apt源
sudo cp sources.list sources.list.bak$(date '+%Y%m%d%H%M%S')
# 安装常用工具
sudo apt -y install lsb-release openssh-server vim jq net-tools \
  git expect dkms autoconf nmon ansible screen
# 查看系统版本号信息
uname -a && cat /proc/version && lsb_release -a && cat /etc/*release

# 临时关闭swap
swapoff -a
# 备份源文件
cp -p /etc/fstab /etc/fstab.bak$(date '+%Y%m%d%H%M%S')
# 永久关闭swap
sed -ri '/^[^#]*swap/s@^@#@' /etc/fstab
2.1.1 基本配置时间+用户+IP设置（推荐）
vi /etc/profile
#vi /etc/bashrc
#vi /etc/profile.d/env.sh

# 远程登录超时
TMOUT=300 # 60*5=300秒

# 基本配置时间+用户+ip设置
HISTFILESIZE=2000 # 默认保存命令条数
HISTSIZE=2000	   # 使用命令时输出的记录数
IP=`who -u am i 2>/dev/null| awk '{print $NF}'|sed -e 's/[()]//g'` #获取客户端IP
if [ -z $IP ] # IP长度为零时则赋值本机主机名
then
IP=`hostname`
fi
HISTTIMEFORMAT="%F %T $IP:`whoami` " # 设置history输出格式
export HISTTIMEFORMAT

source /etc/profile
history -r && sudo echo > ~/.bash_history

2.2 安装NVIDIA驱动

  • 禁用自带的nouveau nvidia驱动
sudo vi /etc/modprobe.d/blacklist.conf
  • blacklist.conf文件末尾添加以下内容
blacklist nouveau
options nouveau modeset=0

sudo update-initramfs -u && sudo reboot
  • 查看是否将自带的驱动屏蔽
lsmod | grep nouveau
  • 安装gcc-12、g+±12

我使用gcc --version | grep -e 'gcc'观察到我的GCC版本是11，而推荐的版本是12。

apt install -y gcc-12 g++-12
# 现有的2个版本添加到 update-alternatives 组
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-11 11 --slave /usr/bin/g++ g++ /usr/bin/g++-11 --slave /usr/bin/gcov gcov /usr/bin/gcov-11
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-12 12 --slave /usr/bin/g++ g++ /usr/bin/g++-12 --slave /usr/bin/gcov gcov /usr/bin/gcov-12
# 
sudo update-alternatives --config gcc
  • 手动选择指定的gcc版本
There are 2 choices for the alternative gcc (providing /usr/bin/gcc).

  Selection    Path             Priority   Status
------------------------------------------------------------
* 0            /usr/bin/gcc-12   12        auto mode
  1            /usr/bin/gcc-11   11        manual mode
  2            /usr/bin/gcc-12   12        manual mode

Press <enter> to keep the current choice[*], or type selection number: 0

规避显卡安装过程中的报错：ERROR: Unable to find the development tool cc in your path; please make sure that you have the package ‘gcc’ installed. If gcc is installed on your system, then please check that cc is in your PATH.

sudo ln -s /usr/bin/gcc /usr/bin/cc
# 如果您之后希望删除 cc 符号链接，可以使用以下命令：
sudo rm /usr/bin/cc
  • 安装NVIDIA显卡驱动
  1. -no-x-check: 安装时关闭X服务；
  2. -no-nouveau-check: 安装时禁用nouveau；
  3. -no-opengl-files: 只安装驱动文件，不安装OpenGL文件。
chmod a+x *.run
sudo sh NVIDIA-Linux-x86_64-550.67.run -no-x-check -no-nouveau-check -no-opengl-files
  • 验证Nvidia显卡驱动是否安装成功
nvidia-smi

Tue Mar 26 13:25:25 2024       
+-----------------------------------------------------------------------------------------+
| NVIDIA-SMI 550.67                 Driver Version: 550.67         CUDA Version: 12.4     |
|-----------------------------------------+------------------------+----------------------+
| 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  Quadro RTX 6000                Off |   00000000:17:00.0 Off |                  Off |
| 33%   27C    P8             11W /  260W |       6MiB /  24576MiB |      0%      Default |
|                                         |                        |                  N/A |
+-----------------------------------------+------------------------+----------------------+
|   1  Quadro RTX 6000                Off |   00000000:65:00.0  On |                  Off |
| 34%   28C    P8             17W /  260W |      53MiB /  24576MiB |      0%      Default |
|                                         |                        |                  N/A |
+-----------------------------------------+------------------------+----------------------+
                                                                                         
+-----------------------------------------------------------------------------------------+
| Processes:                                                                              |
|  GPU   GI   CI        PID   Type   Process name                              GPU Memory |
|        ID   ID                                                               Usage      |
|=========================================================================================|
|    0   N/A  N/A      2574      G   /usr/lib/xorg/Xorg                              4MiB |
|    1   N/A  N/A      2574      G   /usr/lib/xorg/Xorg                             51MiB |
+-----------------------------------------------------------------------------------------+

2.3 安装CUDA Toolkit

  • 安装CUDA Toolkit
chmod a+x *.run
sudo sh cuda_11.3.1_465.19.01_linux.run
  • 由于已安装过NVIDIA驱动，此处取消 Driver 安装勾选选项，反之可使NVIDIA与CUDA Toolkit一同安装
x CUDA Installer se Agreement                                                  x
x - [ ] Driver                                                                 x
x      [ ] 550.54.14                                                           x
x + [X] CUDA Toolkit 12.4                                                      x
x   [X] CUDA Demo Suite 12.4                                                   x
x   [X] CUDA Documentation 12.4                                                x
x - [ ] Kernel Objects                                                         x
x      [ ] nvidia-fs                                                           x
x   Options                                                                    x
x   Install                                                                    x
x                                                                              x
x   reface                                                                     x
x                                                                              
x                                                                              x
x Up/Down: Move | Left/Right: Expand | 'Enter': Select | 'A': Advanced options x
  • 安装成功后需配置CUDA环境变量
===========
= Summary =
===========

Driver:   Not Selected
Toolkit:  Installed in /usr/local/cuda-12.4/

Please make sure that
 -   PATH includes /usr/local/cuda-12.4/bin
 -   LD_LIBRARY_PATH includes /usr/local/cuda-12.4/lib64, or, add /usr/local/cuda-12.4/lib64 to /etc/ld.so.conf and run ldconfig as root

To uninstall the CUDA Toolkit, run cuda-uninstaller in /usr/local/cuda-12.4/bin
***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 550.00 is required for CUDA 12.4 functionality to work.
To install the driver using this installer, run the following command, replacing <CudaInstaller> with the name of this run file:
    sudo <CudaInstaller>.run --silent --driver

Logfile is /var/log/cuda-installer.log
  • 编辑/etc/profile文件末尾添加以下内容
sudo vim /etc/profile

# CUDA
export PATH=/usr/local/cuda-12.4/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-12.4/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_HOME=/usr/local/cuda-12.4

sudo ldconfig && source /etc/profile
  • 验证CUDA是否安装成功
nvcc -V

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2024 NVIDIA Corporation
Built on Tue_Feb_27_16:19:38_PST_2024
Cuda compilation tools, release 12.4, V12.4.99
Build cuda_12.4.r12.4/compiler.33961263_0

2.4 安装cuDNN

# wget https://developer.download.nvidia.com/compute/cudnn/9.0.0/local_installers/cudnn-local-repo-ubuntu2204-9.0.0_1.0-1_amd64.deb
sudo dpkg -i cudnn-local-repo-ubuntu2204-9.0.0_1.0-1_amd64.deb
sudo cp /var/cudnn-local-repo-ubuntu2204-9.0.0/cudnn-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cudnn
  • 默认安装最新版，也可指定版本安装cuDNN
sudo apt-get -y install cudnn-cuda-12
  • 验证cuDNN是否安装并正常运行，请编译mnistCUDNN位于/usr/src/cudnn_samples_v9Debian 文件目录中的示例
sudo apt-get -y install libcudnn9-samples libfreeimage-dev
cd $HOME/cudnn_samples_v9/mnistCUDNN
whereis mnistCUDNN

mnistCUDNN: /usr/src/cudnn_samples_v9/mnistCUDNN

cd /usr/src/cudnn_samples_v9/mnistCUDNN
sudo make clean && sudo make
./mnistCUDNN

Resulting weights from Softmax:
0.0000000 0.0000000 0.0000000 1.0000000 0.0000000 0.0000714 0.0000000 0.0000000 0.0000000 0.0000000 
Loading image data/five_28x28.pgm
Performing forward propagation ...
Resulting weights from Softmax:
0.0000000 0.0000008 0.0000000 0.0000002 0.0000000 1.0000000 0.0000154 0.0000000 0.0000012 0.0000006 

Result of classification: 1 3 5

Test passed!

2.5 安装Miniconda

sudo -s
mkdir -p /opt/miniconda3
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O /opt/miniconda3/miniconda.sh
bash /opt/miniconda3/miniconda.sh -b -u -p /opt/miniconda3
rm -rf /opt/miniconda3/miniconda.sh
# 初始化Miniconda
/opt/miniconda3/bin/conda init bash
/opt/miniconda3/bin/conda init zsh
  • 验证miniconda是否安装成功
sudo conda --version
conda config --set auto_activate_base false # 设置非自动启动base环境
  • 设置conda清华源
vim ~/.condarc

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  deepmodeling: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/

conda clean -i
  • 安装conda命令补全
conda install -c conda-forge conda-bash-completion
exec bash

2.6 安装NGINX

# 安装必备工具
sudo apt install curl gnupg2 ca-certificates lsb-release ubuntu-keyring
# 导入官方 nginx 签名密钥，以便 apt 可以验证包的真实性。
curl https://nginx.org/keys/nginx_signing.key | gpg --dearmor \
| sudo tee /usr/share/keyrings/nginx-archive-keyring.gpg >/dev/null
# 验证下载的文件是否包含正确的密钥
gpg --dry-run --quiet --no-keyring --import --import-options import-show /usr/share/keyrings/nginx-archive-keyring.gpg
  • 输出应包含完整指纹，573BFD6B3D8FBC641079A6ABABF5BD827BD9BF62如下所示（如果指纹不同，请删除该文件）：
pub   rsa2048 2011-08-19 [SC] [expires: 2024-06-14]
  573BFD6B3D8FBC641079A6ABABF5BD827BD9BF62
uid                      nginx signing key <signing-key@nginx.com>
  • 设置apt稳定 nginx 软件包的存储库，并安装nginx
echo "deb [arch=amd64 signed-by=/usr/share/keyrings/nginx-archive-keyring.gpg] \
http://nginx.org/packages/ubuntu `lsb_release -cs` nginx" \
    | sudo tee /etc/apt/sources.list.d/nginx.list

echo "# deb [arch=amd64 signed-by=/usr/share/keyrings/nginx-archive-keyring.gpg] \
http://nginx.org/packages/mainline/ubuntu `lsb_release -cs` nginx" \
    | sudo tee /etc/apt/sources.list.d/nginx.list

echo -e "Package: *\nPin: origin nginx.org\nPin: release o=nginx\nPin-Priority: 900\n" \
    | sudo tee /etc/apt/preferences.d/99nginx

sudo apt update && sudo apt install nginx -y && nginx -v

2.7 安装Terraform

sudo apt-get update && sudo apt-get install -y gnupg software-properties-common

wget -O- https://apt.releases.hashicorp.com/gpg | gpg --dearmor | \
    sudo tee /usr/share/keyrings/hashicorp-archive-keyring.gpg > /dev/null

gpg --no-default-keyring \
    --keyring /usr/share/keyrings/hashicorp-archive-keyring.gpg \
    --fingerprint
gpg --no-default-keyring \
    --keyring /usr/share/keyrings/hashicorp-archive-keyring.gpg \
    --fingerprint

echo "deb [signed-by=/usr/share/keyrings/hashicorp-archive-keyring.gpg] \
https://apt.releases.hashicorp.com $(lsb_release -cs) main" | \
sudo tee /etc/apt/sources.list.d/hashicorp.list
sudo apt update && sudo apt-get install terraform && terraform -v
  • 安装Terraform命令补全
terraform -install-autocomplete

2.8 安装Docker与NVIDIA容器工具包（nvidia-container-toolkit）

  • 卸载所有相互冲突的软件包
for pkg in docker.io docker-doc docker-compose docker-compose-v2 podman-docker containerd runc; do sudo apt-get remove $pkg; done
sudo apt-get remove docker docker-engine docker.io containerd runc
  • 添加Docker官方源、密钥等
# Add Docker's official GPG key:
sudo apt-get update
sudo apt-get install ca-certificates curl
sudo install -m 0755 -d /etc/apt/keyrings
sudo curl -fsSL https://download.docker.com/linux/ubuntu/gpg -o /etc/apt/keyrings/docker.asc
sudo chmod a+r /etc/apt/keyrings/docker.asc

# Add Docker repository to Apt sources:
echo \
  "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.asc] https://download.docker.com/linux/ubuntu \
  $(. /etc/os-release && echo "$VERSION_CODENAME") stable" | \
  sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
# Add NVIDIA容器工具包 生产库Apt源
curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \
  && curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | \
    sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \
    sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
    
sudo apt-get update
  • 安装Docker、NVIDIA容器工具包及命令补全工具
cat /proc/driver/nvidia/version

sudo apt-get install docker-ce docker-ce-cli containerd.io docker-buildx-plugin docker-compose-plugin nvidia-container-toolkit nvidia-docker2 bash-completion

三、Docker设置

3.1 推荐配置

  • 镜像代理加速、并发限制、日志限制、NVIDIA容器工具包、开启2375远程访问等
sudo cat > /etc/docker/daemon.json <<EOF
{
    "iptables": true,
    "bip": "172.17.0.1/24",
    "data-root": "/var/lib/docker",
    "storage-driver": "overlay2",
    "insecure-registries":["http://Harbor_HostName:8082"],
    "exec-opts": ["native.cgroupdriver=systemd"],
    "registry-mirrors": [
        "https://docker.nju.edu.cn",
        "https://hub-mirror.c.163.com",
        "https://registry.cn-hangzhou.aliyuncs.com"
    ],
    "max-concurrent-downloads": 10,
    "max-concurrent-uploads": 20,
    "live-restore": true,
    "log-driver": "json-file",
    "log-opts": {
        "max-size": "500m",
        "max-file": "3"
    },
    "default-runtime": "nvidia",
    "runtimes": {
        "nvidia": {
            "path": "nvidia-container-runtime",
            "runtimeArgs": []
        }
    }
}
EOF
  • 开启2375远程访问（可选）
sudo vim /usr/lib/systemd/system/docker.service

#ExecStart=/usr/bin/dockerd -H fd:// --containerd=/run/containerd/containerd.sock
ExecStart=/usr/bin/dockerd -H fd:// --containerd=/run/containerd/containerd.sock -H tcp://0.0.0.0:2375

3.2 可选配置

  • 添加自己为docker、sudo组用户
sudo usermod -aG docker $USER && newgrp docker
  • 添加其他用户到docker组
# 切换user用户
su - user
# 查看所有用户和组
sudo cat /etc/passwd && cat /etc/group
# 添加用户admin添加文件夹所有权限
sudo chown -R user /opt/docker-app
  • 通过运行hello-world 映像来验证是否正确安装了Docker Engine
sudo docker run --rm hello-world

3.3 配置生效 & 开机自启

# 设置docker开机自启且启动docker(C-N)
sudo systemctl daemon-reload && sudo systemctl restart docker && sudo systemctl enable docker

3.4 命令自动补全

安装 bash-completion

sudo yum install -y bash-completion

安装完成之后重启系统或者重新登录 shell。如果安装成功。键入 docker p 后，再 Tab 键，系统显示如下：
pause   plugin  port    ps      pull    push

Docker 命令自动补全

sudo curl -L https://raw.githubusercontent.com/docker/cli/25.0.0/contrib/completion/bash/docker -o /etc/bash_completion.d/docker

source /etc/bash_completion.d/docker

Docker Composer 命令自动补全

sudo curl -L https://raw.githubusercontent.com/docker/compose/1.29.2/contrib/completion/bash/docker-compose -o /etc/bash_completion.d/docker-compose
source /etc/bash_completion.d/docker-compose

Containerd Ctr 命令自动补全

curl -L https://raw.githubusercontent.com/containerd/containerd/main/contrib/autocomplete/ctr -o /etc/bash_completion.d/ctr # ctr自动补全

K8s-Master节点 命令自动补全

source /usr/share/bash-completion/bash_completion
source <(kubectl completion bash)
echo "source <(kubectl completion bash)" >> ~/.bashrc

Helm 命令自动补全

helm completion bash > .helmrc && echo "source .helmrc" >> .bashrc

参考文档

NGINX安装文档：https://docs.nginx.com/nginx/admin-guide/installing-nginx/installing-nginx-open-source/#installing-prebuilt-ubuntu-packages

Terraform安装文档：https://developer.hashicorp.com/terraform/tutorials/aws-get-started/install-cli

Docker安装文档：https://docs.docker.com/engine/install/ubuntu/#install-using-the-repository

https://blog.csdn.net/qq_49323609/article/details/130310522

https://blog.csdn.net/qq_28356373/article/details/136746520

https://docs.nvidia.com/deeplearning/cudnn/installation/linux.html

https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/

Hmily丶
关注
专栏目录
GPU服务器应用搭建
water的博客
10-21 279
高配云服务器，GPU欢迎大家前往滴滴云机器学习平台。使用大师码7749更可以享受9折优惠哦。谢谢大家支持 滴滴云账号注册地址：https://app.didiyun.com/#/dc2/add?srvType=ebs.gpu.p4
Ubuntu22.04深度学习GPU环境配置：Nvidia CUDA 11.7、cuDNN 8.5 详细解读（20220910）
白马负金羁
09-12 3978
假设你已经成功安装了最新版本的Ubuntu22.04 LTS 操作系统，并已经配备了支持深度学习的英伟达GPU，本文将手把手详细解读如何配置环境，包括安装必要的软件：例如驱动515，CUDA 11.7，以及cuDNN 8.5等
Ubuntu22.04安装Nvidia 550驱动和CUDA toolkit 12.4.1
夏天了啊的专栏
04-27 3376
4. 验证CUDA toolkit 12.4.1安装成功。3. 为CUDA12.4在.bashrc中添加环境变量。
ubuntu22.04-cuda12.4环境配置
最新发布
ZH13114130815的博客
08-08 478
若安装失败可查看对应日志，针对性解决。搜索可用的conda版本。将对应版本的地址连接到。将gcc目录链接到cc。卸载原g++，gcc。
Ubuntu22.04系统安装软件、显卡驱动、cuda、cudnn、pytorch
小新
12-28 6869
这篇博客主要讲解的是Ubuntu22.04系统安装软件、显卡驱动、cuda、cudnn、pytorch 等软件和环境的安装和配置。
[超级详细系列]ubuntu22.04配置深度学习环境(显卡驱动+CUDA+cuDNN+Pytorch)--[1]安装显卡驱动
FRANPPER的博客
01-22 4622
[超级详细系列]ubuntu22.04配置深度学习环境(显卡驱动+CUDA+cuDNN+Pytorch)，一看就会，看完就懂！
Ubuntu 22.04 安装Nvidia显卡驱动、CUDA、cudnn
xuehu96的博客
10-05 1万+
GPU做深度学习比CPU要快很多倍，用Ubuntu跑也有一定的优势，但是安装Nvidia驱动有很多坑Ubuntu版本：22.04.3 LTS分区：/boot分配 1G ，剩下都分给根目录显卡：GTX 1050 Ti坑1：用Ubuntu自带的 Additional Drivers可能会出问题，应该从官网下载驱动文件坑2：用deb文件安装可能会出问题，最好用.run文件安装。
AIGC - 环境搭建
顶级小学生
12-14 533
1. 超微7048主板，最多可搭载4块GPU2. 2个Intel的 Xen至强 14核 CPU3. 目前安装了一块Nvidia 的P40 GPU，后续根据需要还最多可以扩展3块GPU4. 4T机械 + 2T Nvme固态，5. 4条64G DDR4内存条，共 196G内存。
ubuntu22.04lts服务端安装桌面离线包
08-03
在Ubuntu 22.04 LTS (Jammy Jellyfish) 中，系统默认为服务器版本，不包含图形化桌面环境，主要是为了优化服务器性能和资源利用。然而，有时我们需要在服务器上进行图形化操作，比如远程桌面管理或者进行图形化配置...
Ubuntu 20.04.4 LTS 升级 22.04 LTS 教程
04-24
本教程将详述如何将Ubuntu 20.04.4 LTS版本升级至最新的22.04 LTS版本。 首先，了解Ubuntu的更新策略至关重要。在Ubuntu中，小版本升级（如20.04.3到20.04.4）通常可以通过`apt update`和`apt upgrade`命令完成，...
ubuntu 22.04安装cuda、cudnn、conda、pytorch
weixin_40222848的博客
09-04 1359
找到下载的文件位置，复制第二行代码。复制第一行代码，在终端输入下载。
Linux|ubuntu22.04安装CUDA最新完整教程
weixin_43356770的博客
05-23 6185
流程：安装前检查->安装->安装后配置 版本: CUDA12.5系统: Ubuntu22.04内核: 6.5.0-35-generic本文参考官方指南。
Ubuntu22.04 安装显卡驱动
qq_45461410的博客
07-07 2万+
Ubuntu22.04 安装NVIDIA-525版本驱动
Ubuntu20.04系统配置Pytorch环境(GPU版)
Aitotra的博客
01-18 6618
在Ubuntu20.04系统中，安装CUDA，cuDNN和Pytorch，配置深度学习开发环境
实验室GPU服务器的搭建
weixin_43935612的博客
09-09 4174
实验室GPU服务器的搭建 背景：以此记录在实验室两台GPU服务器安装Ubuntu系统遇到的问题 服务器1：主板：技嘉TRX40 AORUS XTREME； GPU：RTX 2080TI 服务器2：主板：技嘉TRX40 AORUS XTREME； GPU：TITAN RTX 1、系统的安装 1.1 服务器2系统的安装 服务器2的安装很顺利 安装流程： 下载18.04 系统，直接copy到U盘； 然后按照网上教程按照挂载系统的硬盘进行分区，包括主分区、逻辑分区（分区是按照网上说的比例进行的）； 然后可正常安装
Ubuntu22.04安装CUDA和cuDNN详细过程记录
热门推荐
专注人工智能，主攻CV
11-05 4万+
Ubuntu22.04安装CUDA和cuDNN详细过程记录
Ubuntu22.04_AI环境部署_CUDA_cuDNN9_cuDNN8
weixin_48065365的博客
05-27 1228
>cuda11.6版本在安装时不提供samples，需要去到github上面下载。注意：以下cd的路径文件，请切换到自己文件系统的目录下进行！以上适用于v8的cuDNN，通过下载tar文件的方式配置环境变量。我们已经安装了显卡驱动程序和CUDA;注意：切换到该文件所在目录下运行！如果系统还没有安装zlib包，可先。解压并复制文件到CUDA目录。查看下载好的cuda版本。
CUDA12.4对应的pytorch和cuDNN版本
07-01
CUDA 12.4主要与PyTorch 1.10.x系列以及cuDNN 8.2兼容。PyTorch 1.10.x是一个稳定版本，它提供了对CUDA 12.4的良好支持，包括新的功能和性能优化。cuDNN (Compute Unified Device Architecture Deep Neural Network library) 是一个专门为GPU加速深度学习而设计的库，CUDA 12.4对应的是cuDNN 8.2版本，这个版本提供了对深度学习卷积操作的高效硬件加速。
评论
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