机器学习------ 基于ubuntu 22.04 系统下的pytorch 安装记录过程(包含cuda和cudnn的安装)

机器学习----- pytorch的安装过程

  • 最近,在学习机器学习,在对于理论方面进行一段时间的学习后,打算开始上手代码。在此之前,选择了pytorch作为学习的工具,这里记录下安装的过程。
  • 在这里,先把我的设备展示一下,我这里使用的还是windows 11的系统,搭建了一个基于windows的WSL-Ubuntu系统ubuntu的版本为22.04CPU为i7-12700
    GPU为rtx 3060tikernel为x86_64, 已经提前安装完成了anaconda软件,具体情况如下所示:
    在这里插入图片描述
    打开pytorch的官网:官网地址,向下拖动可以看见:
    在这里插入图片描述
    这里可以根据你的需求进行挑选,我这里选择Linux系统,和cuda11.6.

因为想要使用GPU,所以需要先安装CudaCudnn,在安装cuda和cudnn的版本之前,先要确认一下你的显卡(我这里是3060ti)最低兼容的版本。
遇事不决,先问一下AI:
在这里插入图片描述

  • 我这里暂时没有考虑到学习框架的事儿,就是熟悉一下安装流程,所以我选用最新的cuda版本进行安装

cuda的安装

打开cuda的 下载界面:cuda

  • 选择,最新的版本

    cuda-12

    在这里插入图片描述
    这里,根据自己的具体系统环境进行选择

在这里插入图片描述

选择完之后会得到:
在这里插入图片描述

wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pin
sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/12.0.1/local_installers/cuda-repo-wsl-ubuntu-12-0-local_12.0.1-1_amd64.deb
sudo dpkg -i cuda-repo-wsl-ubuntu-12-0-local_12.0.1-1_amd64.deb
sudo cp /var/cuda-repo-wsl-ubuntu-12-0-local/cuda-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cuda

然后,在你的终端输入上面的代码,等待运行完成。完成之后,需要配置一下环境。注意,我这里是将bashrc换为了zshrc,大家根据自己的进行修改:

sudo vi ~/.zshrc

在文本最后面加入:

export PATH=/usr/local/cuda-12.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-12.0/lib64

重新加载环境以及动态链:

source ~/.zshrc
sudo ldconfig

检查是否安装成功:

nvcc -V

在这里插入图片描述
这样子就是搞定了

安装cudnn

前往官网下载:cudnn

  • 这个网址貌似需要注册一下,这个是小问题
    在这里插入图片描述
    点击,然后:
    在这里插入图片描述
    这里我选择了11.x的版本,为什么没有选择12与cuda进行对应呢。因为当时看错了,等我发现的时候已经进行安装了。在这里插入图片描述
    选择这个,可以通过 wget 命令下载到服务器上:
wget https://developer.nvidia.com/downloads/c118-cudnn-linux-8664-880121cuda11-archivetarz

但是由于文件好像比较大,容易卡。我后来是先下载到本地,然后再传到服务器上的。

打开终端,进入 cuDNN 压缩包所在的文件夹,执行以下命令:

tar -xzvf cudnn-xx.x-linux-x64-v8.x.x.x.tgz

其中,xx.x 是 CUDA 的版本,v8.x.x.x 是 cuDNN 的版本。例如,如果安装的是 CUDA 12.0,cuDNN 的版本是 v8.1.1,则执行以下命令:

tar -xzvf cudnn-12.0-linux-x64-v8.1.1.33.tgz

将解压后的文件夹拷贝到 CUDA 的安装路径下的相应文件夹中,通常为 “/usr/local/cuda-xx.x”,其中 xx.x 是 CUDA 的版本。

例如,如果安装的是 CUDA 12.0,则执行以下命令.注意,如果你是其他的版本,就把12.0对应修改

sudo cp cuda/include/cudnn*.h /usr/local/cuda-12.0/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-12.0/lib64
sudo chmod a+r /usr/local/cuda-12.0/include/cudnn*.h /usr/local/cuda-12.0/lib64/libcudnn*

添加环境变量。打开终端,执行以下命令:

echo 'export LD_LIBRARY_PATH=/usr/local/cuda-12.0/lib64:$LD_LIBRARY_PATH' >> ~/.zshrc
source ~/.zshrc

最后,可以通过执行以下命令来验证 cuDNN 是否安装成功:

cat /usr/local/cuda-12.0/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

如果成功安装,应该能够看到类似下面的输出:

#define CUDNN_MAJOR 8
#define CUDNN_MINOR 1
#define CUDNN_PATCHLEVEL 1
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)

以上是在 Ubuntu 22.04 上安装符合 CUDA 12 的版本的 cuDNN 的步骤。在安装 cuDNN 之前,请确保已经正确安装了对应版本的 CUDA。


完成以上两步骤之后,就搞定了90%了。

下面,就是在anaconda下,创建一下新的环境,命名为pytorch:

conda create -n pytorch python=3.9.0

然后,回到之前pytorch的官网,选择对应的需求:

在这里插入图片描述
激活环境后,运行上述红框中的命令:

conda activate pytorch
conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia

等待安装完成,然后验证是否成功:

命令行输入:python

import torch
torch.cuda.is_available()

在这里插入图片描述
安装完成,大功告成~~~

https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html
https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html
https://pytorch.org/

  • 4
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 5
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 5
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

打赏作者

简朴-ocean

继续进步

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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