conda里面有没有cuda_cuda安装,参考

本文介绍了在conda环境中安装detectron2时遇到的CUDA支持问题及解决过程。作者通过检查CUDA版本、环境变量设置,最终解决了Kernel not compiled with GPU support的错误。
摘要由CSDN通过智能技术生成

作者:marsggbo
链接:https://zhuanlan.zhihu.com/p/93278639
来源:知乎
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
在安装使用detectron2的时候碰到Kernel not compiled with GPU support 问题,前后拖了好久都没解决,现总结一下以备以后查阅。
不想看心路历程的可以直接跳到最后一小节,哈哈哈。
environment
因为我使用的是实验室的服务器,所以很多东西没法改,我的cuda环境如下:

  • ubuntu
  • nvcc默认版本是9.2
  • nvidia-smi版本又是10.0的

我之前一直没搞清楚这nvccnvidia-smi版本为什么可以不一样,想了解原因的可以看一下我之前的文章显卡,显卡驱动,nvcc, cuda driver,cudatoolkit,cudnn到底是什么?。
reproduce
我一般都用Anaconda来安装pytorch,第一次安装的时候使用的如下命令安装的:
conda create -n myenv python=3.7 conda activate myenv conda install pytorch torchvision cudatoolkit=10.1 -c pytorch
按理说这个命令会给myenv环境安装cuda编译器和驱动等,但是在运行代码的时候还是会出现标题中的报错信息。我猜可能是因为detectron2在build的时候使用的是/usr/local路径下的cuda compiler࿰

conda是一个流行的Python包管理工具,它允许你在项目中创建独立的软件环境,以便管理和隔离不同的依赖项。如果你想在Conda环境中安装CUDA(Compute Unified Device Architecture)和CUDNN(CUDA Deep Neural Network Library),这是一个针对GPU加速深度学习的库,你可以按照以下步骤操作: 1. **创建新环境**: 首先,你需要激活一个现有的或创建一个新的Conda环境。例如,如果你想要创建一个名为`cuda_env`的新环境,运行: ``` conda create -n cuda_env python=3.8 # 指定Python版本,其他版本替换相应数值 conda activate cuda_env ``` 2. **安装CUDA**: CUDA通常需要从NVIDIA官网下载对应系统的安装文件,然后通过命令行(如`bash`或`powershell`)手动安装。由于这是特定于平台的操作,你可以在官方文档中找到适合你系统的安装指南。安装完成后,添加CUDA路径到系统环境变量。 3. **安装CuDNN**: CuDNN同样需要单独下载并安装。首先在NVIDIA Developer网站上获取CuDNN,然后解压。接着,在Conda环境中安装,可以使用`conda install cudnn`,但是这取决于CuDNN是否提供conda包。如果没有,你可能需要将头文件和库手动链接到你的环境。 4. **验证安装**: 安装完成后,你可以使用`nvcc --version`检查CUDA编译器,`python -c "import torch; print(torch.cuda.is_available())"`测试是否能导入Cuda模块,并确认Cudnn是否可用。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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