实验室非root权限配置服务器上自己版本的cuda

世纪末的最后一人

已于 2022-05-12 21:52:24 修改

阅读量2.9k

点赞数 6

文章标签： pytorch python 服务器 ubuntu

于 2022-05-12 21:44:28 首次发布

本文链接：https://blog.csdn.net/qq_40860083/article/details/124738346

版权

本文介绍了如何在非root权限的Ubuntu 16.04服务器上安装自定义版本的CUDA和PyTorch。首先，确定服务器系统版本与CUDA的兼容性，然后从NVIDIA官网下载CUDA Toolkit并使用.run文件安装。接着，安装CUDNN并与CUDA版本匹配。通过修改环境变量确保CUDA生效。最后，在Anaconda环境中安装PyTorch，确保与CUDA版本对应。此过程适用于需要最新PyTorch但服务器默认CUDA版本过旧的情况。

摘要由CSDN通过智能技术生成

很多做ai和数据挖掘的组都需要用到比较新的pytorch;但是服务器上的默认版本并不那么先进，于是我们就需要自己配置cuda;后续可以在多个cuda 版本中进行切换。

我们实验室的配置ubuntu x86-64系统版本16.04 这个还是比较重要的，因为cuda 的一些版本如11.4要求服务器的系统版本要超过18.04，所以在选择cuda之前记得check系统的版本

可以使用lsb_release命令查看版本号

lsb_release -a

顺带一提我使用的是MobaXterm SSh客户端，不过linux系统使用代码控制，就算你直接在shell里ssh所有的操作是一样的哈。苹果系统还没有使用过。

然后我们选择要安装的cuda 注意一定要按照复现文章需要的pytorch版本去安装对应的cuda；在安装之前先看一下是不是支持。使用经典命令 nvidia-smi

需要注意的是这里的Driver Version是已经安装的gpu驱动版本。右边的CUDA Version是这个驱动最高支持的cuda 版本但是需要注意的是，这个版本操作系统不一定对的上。而另一个查看cuda版本的命令 nvcc -V 看到的版本可能与smi显示的版本不一样，使用过程中的cuda版本以nvcc的为准哈，我们实验室默认安装的是10.2版本的cuda 如果没有特别的需要应该足够了，对ncvv显示的版本满意的同学们可以自行移步到安装pytorch进行阅读。

之后我们去英伟达的官网下载cuda toolkit;这里我们以cuda toolkit 11.3为例

cuda toolkit archive