cuda安装
参考博客
https://blog.csdn.net/mbdong/article/details/121926316
https://mp.weixin.qq.com/s/ZTzfC7xp8PVMvOONVIiK6g
https://blog.csdn.net/qq_54556560/article/details/125408793 该博客同时包含pycharm教程
通过:
nvidia-smi
查看NVIDIA驱动和推荐的cuda版本,Linux上驱动安装可以参照网上教程.
本环境为GTX-1650显卡,采用nvidia-470驱动,安装cuda11.4版本.Anaconda版本为1.9.12
CUDA版本下载
: https://developer.nvidia.com/cuda-toolkit-archive
CUDNN版本下载
:https://developer.nvidia.com/rdp/cudnn-archive
wget https://developer.download.nvidia.com/compute/cuda/11.4.3/local_installers/cuda_11.4.3_470.82.01_linux.run
chmod -x cuda_11.4.3_470.82.01_linux.run
sudo sh cuda_11.4.3_470.82.01_linux.run
安装选项中去掉显卡驱动安装的勾选,在已经安装显卡驱动的情况下,避免与已有驱动程序的冲突。
安装之后默认会产生/usr/local/cuda目录,其中包含已安装的CUDA内容,可以通过
cat /usr/local/cuda/version.json
查看安装的版本信息。可以通过运行samples下的程序检查是否安装有效,如下
cd /usr/local/cuda/samples/1_Utilities/deviceQuery
sudo make ./deviceQuery
./deviceQuery
进入目录,编译生成程序,然后运行程序。出现类似如下的信息
出现result=pass说明通过.
在.bashrc中添加:
export PATH=/usr/local/cuda-11.4/bin${PATH:+:$PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.4/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
$ nvcc -V
就能够显示安装的CUDA版本信息。
选择cuDNN Library for Linux (x86_64) 选项,下载后得到cudnn-11.4-linux-x64-v8.2.4.15.tgz文件,进行解压
$ tar -zxvf cudnn-11.4-linux-x64-v8.2.4.15.tgz
解压后产生cuda目录,里面包含cuDNN的库文件、头文件等内容,其中包含目录
include - cuDNN库头文件
lib64 - cuDNN库文件
把相应的库文件和头文件复制到CUDA目录,即安装完成。
$ sudo cp cuda/lib64/* /usr/local/cuda-11.4/lib64
$ sudo cp cuda/include/* /usr/local/cuda-11.4/include
运行:(注意复制到cuda-11.4和cuda安装位置相同,网上教程有点混乱)
sudo chmod a+r /usr/local/cuda-11.4/include/cudnn.h
sudo chmod a+r /usr/local/cuda-11.4/lib64/libcudnn*
给所有用户添加读的权限.
通过指令
cat /usr/local/cuda-11.4/include/cudnn_version.h
可以查看cuDNN的版本信息。
pytorch-gpu安装
没有CUDA11.4版本,安装11.3版本.(实测可用)
在anaconda环境中输入(本文为pytorch环境):
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
测试安装是否正确,终端依次输入:
python
import torch
显示torch版本:
torch.version
查看gpu是否可用:
print(torch.cuda.is_available())
输入一个矩阵运算:
import torch as t
x = t.rand(5,3)
y = t.rand(5,3)
if t.cuda.is_available():
x = x.cuda()
y = y.cuda()
print(x+y)
pytorch-cpu安装(不用gpu,只用cpu)
activate在anaconda中创建的环境,运行
conda install pytorch torchvision cpuonly -c pytorch
测试是否安装成功
import torch
print(torch.__version__)
卸载cuda
To uninstall the CUDA Toolkit, run cuda-uninstaller in /usr/local/cuda-11.4/bin