文章目录
基本硬件环境
硬件基本信息
硬件 | 型号 |
---|---|
CPU | I7-9700k |
GPU | RTX 2080ti |
内存 | DDR4 2666 16GB*2 |
主板 | ASUS Z390-A |
机箱 | Tt(Thermaltake) 启航者S5 |
电源 | 海盗船 850W 支持2080ti |
SSD固态硬盘 | 三星 500GB M.2接口 860 EVO |
HHD机械硬盘 | 西部数据 1TB SATA3接口 |
CPU散热器 | 九州风神 玄冰400 12cm |
机箱散热器 | 先马(SAMA) 黑洞 12cm * 3 |
SSH
SSH无密码登陆
-
安装SSH Server
Ubuntu 默认已安装了 SSH client,此外还需要安装 SSH server:
sudo apt-get install openssh-server
-
登陆本机
ssh localhost
此时会有如下提示(SSH首次登陆提示),输入 yes 。然后按提示输入密码 ,但这样登陆是需要每次输入密码的,我们需要配置成SSH无密码登陆比较方便。
-
SSH 无密码登陆
首先退出刚才的 ssh,回到了我们原先的终端窗口,然后利用 ssh-keygen 生成密钥,并将密钥加入到授权中:
exit # 退出刚才的 ssh localhost cd ~/.ssh/ # 若没有该目录,请先执行一次ssh localhost ssh-keygen -t rsa # 会有提示,都按回车就可以 cat ./id_rsa.pub >> ./authorized_keys # 加入授权
此时再用
ssh localhost
命令,无需输入密码就可以直接登陆了
安装驱动
linux安装NVIDIA显卡驱动
驱动下载地址 ,下载时切记选择.run版本,我们下载的版本是NVIDIA Linux-x86_64-430.40.run
安装驱动之前要安装其他需要的依赖工具:
sudo apt-get install gcc g++ make
检测驱动是否成功安装
方法1:使用nvidia-smi命令测试
英伟达系统管理接口(NVIDIA System Management Interface, 简称 nvidia-smi)是基于NVIDIA Management Library (NVML) 的命令行管理组件,旨在(intened to )帮助管理和监控NVIDIA GPU设备。
在终端输入命令nvidia-smi
方法2:使用nvidia-settings命令
在终端输入命令nvidia-settings
会调出NVIDIA的驱动管理程序:
如果打开的页面能够看到驱动的版本号,如本案例所示为430.40,则nvidia-setting安装正常。
搭建深度学习环境
CUDA 10.0安装
进入CUDA toolkit download官网之后会显示CUDA最新版本,这个时候先别急着选系统和下载文件类型,先看一下下什么样的CUDA版本能够跟PyTorch适配。
-
进入PyTorch官网
我们能看到可选择的CUDA版本只有9.2和10.0,因此我们去CUDA官网下载10.0版本 -
CUDA toolkit起始界面
-
选择适配的CUDA版本
打开显示的是最新的10.1 版本,这里我们选择“Legacy Releases”查看之前发布的版本,并如下图所示选择“CUDA Toolkit 10.0”版本
-
定制化下载CUDA 10.0
-
安装CUDA
sudo sh cuda_10.0.130_410.48_linux.run
然后会出现很长的协议书,一直按到最后出现如下需要用户选择的界面:
之后,按照提示安装即可。我依次选择了:
1 accept #同意安装 2 n #不安装Driver,因为已安装最新驱动 3 y #安装CUDA Toolkit 4 <Enter> #安装到默认目录 5 y #创建安装目录的软链接 6 y #复制Samples一份到家目录
安装完成界面(由于我们没有选择安装driver,因此会显示不完全安装,但是CUDA toolkit都已成功安装就可以了):