环境配置系列:
(一)Ubuntu安装详细教程(从镜像制作到NVIDIA驱动安装全流程)——超详细的图文教程
(二)Ubuntu系统Pytorch环境配置
(三)Windows系统Pytorch环境配置(简易方法安装CUDA和cuDNN)
Ubuntu20.04+GTX 1050(notebook)安装paddlepaddle
1、显卡驱动
该部分比较简单,可以参考5、安装NVIDIA驱动
使用nvidia-smi命令,可以看到当前驱动为510.85.02,支持最高CUDA为11.6
2、CUDA安装
如果你使用的是安培架构的GPU,推荐使用CUDA11以上。如果你使用的是非安培架构的GPU,推荐使用CUDA10.2,性能更优
根据查询,1050(notebook)不是安培架构,所以选择安装CUDA10.2
去官网下载CUDA 10.2
按照下图选择后,在下方会给出下载和安装命令:
wget https://developer.download.nvidia.com/compute/cuda/10.2/Prod/local_installers/cuda_10.2.89_440.33.01_linux.run
sudo sh cuda_10.2.89_440.33.01_linux.run
bug:
Failed to verify gcc version.
See log at /var/log/cuda-installer.log for details.
cat /var/log/cuda-installer.log 则会看到问题及解决方法,执行时加上 --override 来忽略gcc版本不匹配问题。
然后添加环境变量:
vim ~/.bashrc
#在最后面添加
export PATH=/usr/local/cuda-10.2/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
然后重启终端,使用命令nvcc -V
验证CUDA:
3、安装cuDNN
根据paddle文档所说:
然后根据官网cuDNN可以看到,最佳是cuDNN7.6.5。下载时选择cuDNN Library for Linux
,然后执行下面的命令:
# 为了方便,假设你的cudnn文件夹名为cuDNNFolder
1.解压下载的cuDNN的tar包. # 会解压到cuda文件夹
$ tar -xvf cudnn-10.2-linux-x64-v7.6.5.32.tgz
2. 复制cuDNN文件(*代表符合该规则的所有文件)
$ sudo cp cuDNNFolder/include/cudnn*.h /usr/local/cuda/include
$ sudo cp -P cuDNNFolder/lib/libcudnn* /usr/local/cuda/lib64
$ sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
同样的,也要在~/.bashrc
中添加环境变量:
export LD_LIBRARY_PATH=/usr/local/cuda-10.2/targets/x86_64-linux/lib${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
成功!
后面要安装的pytorch还是paddle,都要安装适配cuda10.2的版本