1.检查卸载旧版cuda
nvcc --version,检查版本
由于我之前没有安装过,所以就不用卸载了
2.下载安装cuda
进入官网CUDA Toolkit Archive | NVIDIA Developer
根据情况下载:
按照后面的命令进行安装。
下面前面的一部分是我走的弯路和碎碎念
弯路:我有三个虚拟环境。不小心在tf环境中安装了,所以在base里面又装了一遍。后来发现,有安装包在home里面,所以把这两个环境的安装包都删除了,在pyt里面再装了以一次(我都搞糊涂了 反正最后又是在base中了...)
base:
命令2:但是报错:无此命令
查找原因:看看是不是有哪些步骤没做
1. 确认了nvidia显卡正常安装
2.确认禁用了nouveau:使用
lsmod | grep nouveau 查看,无输出则代表禁用
4.参考博客:sudo: sh cuda_11.4.0_470.42.01_linux.run:找不到命令:http://t.csdn.cn/wGfNs
和sudo: ./NVIDIA-Linux-x86_64-418.43.run: command not found:http://t.csdn.cn/qt6Mu
以我的代码为例,执行下面的两条命令。(参考博客,发现是因为没有赋予驱动写的权限,故而执行如下命令:)
chmod +x cuda_11.6.2_510.47.03_linux.run
sudo ./cuda_11.6.2_510.47.03_linux.run
完成后出现如下界面:
这是因为:如果电脑没有安装Nvidia显卡驱动,安装会顺利进行;若已经安装了Nvidia驱动,会提醒移除。
参考博客后发现,如果需要安装cuda,cuda中有自己的安装包的,所以最好先就是卸载调原有驱动,禁用nouveau。当然,也可以在安装cuda时,取消勾选安装驱动的选项。由于我之前不了解cuda自带驱动,所以花费了大功夫来安装驱动,我不想卸载了(doge
选择continue。
不安装驱动。
刚开始选择了第一个报错了:
后来系统提示说根目录满了,删除了tmp文件,但/还是满了并且重启了一下.
然后,神奇,我的/下面本来100%,瞬间多了6gb,然后重复上面步骤,运行下面命令
chmod +x cuda_11.6.2_510.47.03_linux.run
sudo ./cuda_11.6.2_510.47.03_linux.run
后面的选择基本一样,只是后面不选择upgrade all,而是选择第二个。
然后就成功了:
3.接下来就是配置环境:
如果没有配置好环境的话,输入nvcc的命令是显示no command的。这时候千万不要使用下面的命令sudo apt install nvidia-cuda-toolkit,否则会再安装一遍cuda并且是最新版本的!会乱的!理由如下:
在网上找了很多配置方法,但都失败了,下面是我成功了的配置方法:
参考博客:【解决方案】Ubuntu20.04 LTS CUDA已经安装但nvcc -V显示command not found:http://t.csdn.cn/ert6K
1.首先使用cd进入/usr/local的目录下面,一般这个目录下会有cuda'文件夹或者软链
2.打开并编辑环境变量的配置文件 。可能是我没安装vim,所以,我使用的是vi,vi命令就可以
vi ~/.bashrc
3.在进入的文件末尾,添加:
# cuda
export LD_LIBRARY_PATH=/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin
4.按:wq,保存并退出
5.刷新文件使其生效:
source ~/.bashrc
再输入nvcc -V就可以啦~
4.测试cuda,运行sample
在 /usr/local/cuda-11.6/samples
中为运行的样本,但是我的sample目录下面只有一个
README_CUDA_Samples.txt
文件,根据里面的提示:
CUDA samples have moved! Please find up-to-date CUDA samples on our GitHub repository:
https://github.com/nvidia/cuda-samples
所以我去github网址上找到对应11.6版本sample:
我下载了下面tar.gz版本的code,然后进入默认的下载路径Downloads,使用命令:
tar -zxvf cuda-samples-11.6.tar.gz cuda-samples-11.6
即:将该文件cuda-samples-11.6.tar.gz下载到了我指定的文件夹cuda-samples-11.6之中。
如图:
(左边第一个为解压后,第二个为压缩文件)
然后,运行其中一个sample:1_Utilities,在那个sample的目录下面找到deviceQuery,进入该目录以后,再运行./deviceQuery,即可。最后Result输出pass,即测试通过!
pytorch安装
进入pytorch官网:Start Locally | PyTorch
选择对应版本安装:
按照官网给出的command安装
安装成功!
------------------------------------------------------------------------------------------------
小问题:之前在自创的tf空间里面安装了tensorflow,操作了一下发现,在tf里面是可以import进tensorflow的包的,但是在base里面不行:
而我是不小心在base空间里面装了pytorch,然后发现在base和自创的pyt空间里面都可以import进torch的包,(tf空间忘记试了就把pytorch删了,但我合理估计,应该是可以的吧?)
我卸载了pytorch,打算在pyt空间里面再下载一遍。
使用的卸载命令:
conda uninstall pytorch
conda uninstall libtorch
再按照上面的安装一遍,然后检测
果然,再自创的空间pyt里面安装了pytorch以后,就在pyt里面能import torch,而在base里面不行。可能base和自创的空间是一个包含的关系?