服务器cuda+cudnn虚拟环境配置

最新推荐文章于 2024-06-02 18:51:24 发布
最新推荐文章于 2024-06-02 18:51:24 发布
阅读量2.8k 收藏 2
点赞数
分类专栏： python&&machine learning
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/sinat_32872703/article/details/80407523
版权

首先你得有个docker，国内不好下载，通过阿里云镜像安装的

然后你要有个nvidia-docker

然后去docker hub上下载一个带cuda和cudnn的容器官方已经很贴心的帮你装好了所有的环境

然后创建容器，进入容器，将目录/usr/lib/x86_64-linux-gnu加入环境变量，因为cudnn的lib装在了这个目录下，然后就可以配置深度学习环境了

然后就搭建好了一个虚拟环境啦，再也不用经历物理机配环境的痛苦了。

_bibibibi
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
实验室非root权限配置服务器上自己版本的cuda
qq_40860083的博客
05-12 2740
实验室非root用户安装cuda11.3并配置pytorch
虚拟机 virtualbox 安装 CUDA 可行性说明
nothinglefttosay的专栏
04-17 3万+
在编写 CUDA 程序时遇到这么一个问题 由于服务器端的 linux 运行环境，而本机是 win8 ，对在本机上通过 SSH 客户端或者通过 VS 编写 CUDA 程序再上传倒到服务器上调试运行的方式始终不适应，又不想装双系统，因此想通过虚拟机来安装 linux 操作系统然后在虚拟机上来调试 CUDA 程序。 这中间就存在可行性的问题： 虚拟机是模拟一个图形设备，这样的话你没有机会接触到真正
使用虚拟环境conda安装不同版本（指定版本）的cuda，cudnn，pytorch
最新发布
edward_zcl的博客
06-02 1570
背景：在学习深度学习时，我们不可避免的需要跑多个神经网络，而不同的神经网络环境都不一样，所以必须要使用到虚拟环境(如conda)去做环境隔离，安装属于自己的环境。在这环境中，大多神经网络都必须要用到cuda，cudnn。不同的神经网络需求版本不同，所以也需要另行安装，这与前面一篇文章pip安装包的方式还不太一样。安装好显卡驱动后，使用nvidia-smi命令可以查看这个显卡驱动可以安装的最高的cuda版本是多少，如下： Driver Version: 525.89.02 表明当前显卡驱动版本是525.89
【日常分享】服务器配置及安装cuda及PyTorch方法
杨小浩浩的博客
12-22 4145
安装cuda https://blog.csdn.net/sinat_36721621/article/details/115326307 安装pytorch https://pytorch.org/
Linux服务器安装cuda,cudnn，显卡驱动和pytorch超详细流程
热门推荐
kingfoulin的博客
08-08 4万+
基本的环境 首先了解自己服务器的操作系统内核版本等信息： 查看自己操作系统的版本信息：cat /etc/issue或者是 cat /etc/lsb-release等命令 查看服务器显卡信息： lspci | grep -i nvidia查看全部显卡信息。 nvidia-smi如果已经安装了对应的显卡驱动的话可以采用这个命令。 cat /proc/driver/nvidia/ve...
虚拟机fedora下安装cuda
wind_sncz的专栏
10-07 2749
之前写了一篇总结说虚拟机上没法直接使用物理显卡调试cuda。但是实际上仍然可以安装cuda。这两天参考了网上一个朋友详细的ubuntu安装过程，于是在fedora上模仿着也安装成功了。         关键在于安装的时候不要安装显卡驱动。这里因为我不进行深度学习的程序编写，因此没有装caffe。         更新系统和软件，和ubuntu不同的地方仅仅是使用的是yum。同理centos和R
Anaconda 安装、Pycharm 安装、cuda+cudnn 配置、Jupyter Notebook 安装
06-02
配置虚拟环境是 Anaconda 的一大特色，这使得你可以为每个项目创建独立的 Python 环境，避免不同项目间的版本冲突。使用 `conda create -n <env_name> python=<version>` 命令创建新环境，如 `conda create -n py36 ...
windows_linux服务器指南1
08-04
本节提供了一些基本的命令行操作，包括链接 Linux 服务器、安装 Anaconda、安装虚拟环境、安装 CUDA 和 cuDNN 等。 六、环境变量配置 本节提供了一些环境变量配置，包括 Anaconda 和 CUDA 的环境变量配置。环境...
GPU服务器上不同版本tensorflow切换问题1
08-08
在多版本共存的情况下，可以使用软链接或者虚拟环境来管理不同的CUDA和cuDNN。例如，可以创建一个特定版本的conda或virtualenv环境，并在每个环境中安装对应的TensorFlow、CUDA和cuDNN版本。 5. **考虑兼容性**： ...
在Linux远程服务器上设置PyTorch的GPU版本
01-16
在远程服务器上安装PyTorch的GPU版本需要确保服务器有适当的硬件支持（如NVIDIA GPU和兼容的驱动程序），并且正确配置了CUDA和cuDNN。此外，确保服务器的网络连接稳定，因为安装过程中需要从PyTorch的渠道下载必要的...
在Linux远程服务器上，通过终端部署Anaconda和TensorFlow 1.13 GPU版本
01-16
总之，部署Anaconda和TensorFlow 1.13 GPU版本需要安装和配置多个组件，包括Anaconda本身、虚拟环境、CUDA、cuDNN以及Python库。每个步骤都需要细心操作，确保所有依赖项都正确无误，以充分利用GPU的计算能力。在...
超方便深度学习Pytorch框架环境部署包
12-05
通常，这样的环境可能基于Anaconda或Miniconda这样的Python分发版，它们内置了管理不同项目所需依赖项的工具，如conda虚拟环境。 在激活环境中，用户可以跳过手动安装PyTorch、TensorRT（如果包含在内，用于模型...
Isaac Gym环境安装包
07-20
Isaac Gym包含了丰富的传感器模型，如摄像头、激光雷达和IMU，能够模拟真实世界中的各种环境条件，帮助开发者在虚拟环境中测试和优化算法。 二、系统需求 在安装Isaac Gym之前，确保你的计算机满足以下基本硬件和...
百度智能云下部署YOLOv8运行环境
03-02
2. **安装依赖**：激活虚拟环境后，安装必要的Python库，包括TensorFlow、PyTorch（YOLOv8可能基于其中一个框架实现）、CUDA和cuDNN（用于GPU加速），以及OpenCV等图像处理库。此外，还需要安装YOLOv8的源代码及其...
2018_4_11_win7安装tensorflow-gpu1.4（基于Adaconda3+py3.5）1
08-08
在 Anaconda 安装完成后，我们可以通过创建一个新的虚拟环境来安装 Python 3.5： 1. 打开命令行界面，输入以下命令创建名为 "tensorflow-gpu" 的环境并安装 Python 3.5： ``` conda create -n tensorflow-gpu ...
tensorflow-gpu1.12.0离线安装所需库的安装包
02-18
2. **配置环境变量**: 设置CUDA和cuDNN的路径到系统的环境变量中，这样TensorFlow才能找到它们。 3. **创建Python虚拟环境**: 使用conda或pip创建一个新的Python环境，避免与其他项目产生冲突。 4. **安装Python...
Google Cloud Compute Engine虚拟机安装CUDA全过程
qq_31120801的博客
04-16 1432
硬件信息 机器类型：n1-standard-4（4 个 vCPU，15 GB 内存）＋1 x NVIDIA Tesla K80 地　　区：asia-east1-a 安装NVIDIA驱动 安装CUDA 安装Cudann 配置CUDA 服务器没有图像界面因此和笔记本上的配置方法不同 仅列出重点步骤和需要避过的坑 安装NVIDIA驱动 官网地址 http://www.nvidia.com/Downl...
在虚拟环境中安装cuda
qq_43164745的博客
08-03 4383
跑测试代码会显示GPU：false   测试代码如下： import tensorflow as tf import os os.environ['TF_CPP_MIN_LOG_LEVEL']='2' a = tf.constant(1.) b = tf.constant(2.) print(a+b) print('GPU:', tf.test.is_gpu_available()) 1.打开Anaconda Prompt 2.建立一个名为tf2.1（该名称可随便取）的环境，使用Python
ubuntun虚拟环境中安装cuda
niemanh的博客
06-06 3198
1、安装cuda conda install cudatoolkit=10.0 2、安装cudnn conda install cudnn
cuda+cudnn安装
09-04
为了安装cuda和cudnn，您需要注册一个账号，然后下载对应的版本。首先，您需要＊＊＊在https://developer.nvidia.com/rdp/cudnn-download下载cudnn。根据您安装的cuda版本选择对应的cudnn版本，例如我们选择安装的是11.5版本。 Cuda和Cudnn之间有密切的关系。Cudnn是基于Cuda架构开发的专门用于深度神经网络的GPU加速库。可以将Cuda理解为一个商圈，而Cudnn就是商圈中的一家装修完成的房间，专门用于深度神经网络的加速。 安装Cudnn的最后一个环节是复制替换文件。您需要解压您刚刚下载的第二个文件，然后按照下面的操作进行复制替换。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [【Windows11】Cuda和Cudnn详细安装教程](https://blog.csdn.net/Jin1Yang/article/details/124754015)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *3* [深度学习之CUDA+CUDNN详细安装教程](https://blog.csdn.net/hahhahahhaja/article/details/126561090)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论 2
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