Ubuntu16.04安装GPU版Pytorch流程

 

Ubuntu16.04安装GPU版Pytorch流程

 

时间：2018-03-22

声明：本文为自我实践，如按本文操作有任何问题，本人不负有任何责任。

 

1、硬件条件

电脑为i7处理器，显卡为gtx1060，其他就不重要了。

 

2、总体流程

安装ubuntu16.04系统;

安装nvidia显卡驱动;

安装cuda8.0toolkit;

安装cudnn8.0;

安装集成开发环境anaconda3;

安装pytorch;

进行测试;

 

3、安装ubuntu16.04系统

本人叫他人代装的;

 

4、安装nvidia显卡驱动

进入“系统设置——软件和更新”

 

点到“附加驱动”，然后按如图选择，然后是“应用”，然后“重启”。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

验证；在终端中输入：nvidia-smi，出现下图的配置信息。
 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

5、安装cuda8.0toolkit;

 

首先下载cuda8.0的安装文件，链接：https://developer.nvidia.com/cuda-toolkit-archive；本人下载的为CUDAToolkit 8.0 GA2；

 

然后，安装CUDA8.0，打开终端输入以下内容，同时，如下图所示；

 

cd /media/你的用户名/TOSHIBA\ EXT/alu/CUDA/ # 进入cuda 所在文件夹
# 根据官网上的提示安装 cuda 8.0
sudo dpkg -i cuda-repo-ubuntu1604-8-0-rc_8.0.27-1_amd64​.deb
sudo apt-get update
sudo apt-get install cuda

然后配置环境变量，在终端中输入图片中的命令。在.bashrc文件中输入以下内容。

export PATH="$PATH:/usr/local/cuda-8.0/bin"
export LD_LIBRARY_PATH="/usr/local/cuda-8.0/lib64"

5.1 测试cuda

cd /usr/local/cuda-10.0/samples/1_Utilities/deviceQuery
make
./deviceQuery

正确安装时输出以下内容：

./deviceQuery Starting...

 CUDA Device Query (Runtime API) version (CUDART static linking)

Detected 1 CUDA Capable device(s)

Device 0: "GeForce GTX 1080 Ti"
  CUDA Driver Version / Runtime Version          10.1 / 10.1
  CUDA Capability Major/Minor version number:    6.1
  Total amount of global memory:                 11178 MBytes (11721506816 bytes)
  (28) Multiprocessors, (128) CUDA Cores/MP:     3584 CUDA Cores
  GPU Max Clock rate:                            1582 MHz (1.58 GHz)
  Memory Clock rate:                             5505 Mhz
  Memory Bus Width:                              352-bit
  L2 Cache Size:                                 2883584 bytes
  Maximum Texture Dimension Size (x,y,z)         1D=(131072), 2D=(131072, 65536), 3D=(16384, 16384, 16384)
  Maximum Layered 1D Texture Size, (num) layers  1D=(32768), 2048 layers
  Maximum Layered 2D Texture Size, (num) layers  2D=(32768, 32768), 2048 layers
  Total amount of constant memory:               65536 bytes
  Total amount of shared memory per block:       49152 bytes
  Total number of registers available per block: 65536
  Warp size:                                     32
  Maximum number of threads per multiprocessor:  2048
  Maximum number of threads per block:           1024
  Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
  Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535)
  Maximum memory pitch:                          2147483647 bytes
  Texture alignment:                             512 bytes
  Concurrent copy and kernel execution:          Yes with 2 copy engine(s)
  Run time limit on kernels:                     No
  Integrated GPU sharing Host Memory:            No
  Support host page-locked memory mapping:       Yes
  Alignment requirement for Surfaces:            Yes
  Device has ECC support:                        Disabled
  Device supports Unified Addressing (UVA):      Yes
  Device supports Compute Preemption:            Yes
  Supports Cooperative Kernel Launch:            Yes
  Supports MultiDevice Co-op Kernel Launch:      Yes
  Device PCI Domain ID / Bus ID / location ID:   0 / 1 / 0
  Compute Mode:
     < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >

deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 10.1, CUDA Runtime Version = 10.1, NumDevs = 1
Result = PASS

6、安装cudnn8.0

首先下载软件，链接：https://developer.nvidia.com/cudnn；需要登录，按网上的流程走就行。如下图所示：

然后打开终端，1、cd到文件的下载目录；2、解压cudnn8.0文件；3、复制一些文件；在终端中输入以下命令；

 

cd  cd /media/你的用户名/TOSHIBA\ EXT/alu/CUDA/ # 进入 cuDNN 安装文件的所在路径
tar xvzf cudnn-8.0-linux-x64-v6.0.tgz # 解压
sudo cp cuda/include/cudnn.h /usr/local/cuda/include # 复制到 include 中
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 # 复制到 lib64 中
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn* # 讲头文件复制进去你的用户名/TOSHIBA\ EXT/alu/CUDA/ # 进入 cuDNN 安装文件的所在路径
tar xvzf cudnn-8.0-linux-x64-v6.0.tgz # 解压
sudo cp cuda/include/cudnn.h /usr/local/cuda/include # 复制到 include 中
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 # 复制到 lib64 中
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn* # 讲头文件复制进去

6.1 测试cudnn

拷贝完成之后，可以使用以下命令查看CUDNN的版本信息：

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

7、安装anaconda3.5

 

下载anaconda3.5文件，链接：https://www.anaconda.com/download/#linux；本人下载的为：Anaconda3-5.1.0-Linux-x86_64.sh

 

 

安装anaconda3.5；具体参考以下链接：http://blog.csdn.net/u012318074/article/details/77074665

 

验证；安装完成之后，打开终端，输入python，出现如下信息；

 

 

8、安装pytorch

 

首先，下载文件；链接：http://pytorch.org/previous-versions/；本人下载的版本为：torch-0.3.0.post4-cp36-cp36m-linux_x86_64.whl

 

 

然后，安装pytorch；在终端中cd到pytorch文件的下载目录；如下图所示：

 

然后输入以下命令：pip install torch-0.2.0.post3-cp36-cp36m-manylinux1_x86_64.whl

 

安装torchvison，在终端中，刚才的目录输入以下命令：pip install torchvision，如下图所示：

 

9、验证

在终端中打开ipython，输入以下内容：

 

importtorch

x= torch.Tensor([1.0])

xx= x.cuda()

 

print(xx)

 

效果如下图所示：

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

如果没有报错就没有什么问题了。

本人是个小菜鸟，其实，个人觉得应该在安装每个模块之后就要验证以下是否安装正确。本文，分享出来，请高手更快的上手，更好的完善吧。

 

参考链接：

1、http://blog.csdn.net/red_stone1/article/details/78727096

2、http://blog.csdn.net/u012318074/article/details/77074665

3、点击打开链接

等等