ubuntu配置深度学习环境
- 关闭原有开源驱动:
- 删除原有nvidia驱动(选做)
sudo apt purge nvidia*
- 关闭系统自带驱动nouveau
sudo gedit /etc/modprobe.d/blacklist.conf
并在文件末尾加上blacklist nouveau options nouveau modeset=0
- 应用更改
sudo update-initramfs -u
- 重启
reboot
- 删除原有nvidia驱动(选做)
- 安装nvidia驱动
- 在Software & Update中选择最上方的驱动安装,安装完成后按要求重启
- 终端输入
nvidia-smi
即可查看显卡信息,右上角的CUDA Version为支持的最高版本的CUDA
- 安装CUDA
- 在官网中选择合适版本,注意选择runfile文件
- 在终端执行官网给出的两条命令
wget https://developer.download.nvidia.com/compute/cuda/*.*.*/local_installers/cuda_*.*.*_*.*.*_linux.run sudo sh cuda_*.*.*_*.*.*_linux.run
- 安装时注意不要再安装它推荐的显卡驱动
- 配置CUDA环境变量
sudo gedit ~/.bashrc
- 在文件末尾加上:(*为CUDA版本)
export PATH=/usr/local/cuda-*.*/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-*.*/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
source ~/.bashrc
- 查看CUDA信息
nvcc -V
- 安装cudnn
- 在官网选择合适版本的cudnn,下载 cuDNN Library for Linux (x86_64) 安装包
- 解压
tar -zxvf cudnnXXXXXXXXXX.tgz
- 将cudnn相关文件放入CUDA文件夹中:
sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda/include sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
- 查看cudnn的信息
cat /usr/local/cuda-11.3/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
- 安装Anaconda
- 在Anaconda官网下载后执行
bash AnacondaXXXXXXX.sh
- 在Anaconda官网下载后执行
- 安装Pytorch
- 建立pytorch的虚拟环境
conda create -n pytorch
- 进入该虚拟环境
conda activate pytorch
- 在Pytorch官网找到合适版本,执行官方给出的命令
- 终端输入
python
import torch
回车后若无输出则pytorch安装成功torch.cuda.is_available()
回车后若输出True则cuda可用- 按Ctrl+z退出python
- 建立pytorch的虚拟环境
- 安装Pycharm
- 在Pycharm官网找到合适版本,下载安装包
- 解压
tar -zxvf pycharmXXXXX.tar.gz
- 进入Pycharm文件夹中的bin文件夹
cd ./pycharm-community-*.*/bin
- 运行Pycharm
sh pycharm.sh
- 在setting中选用anaconda的pytorch环境中的python解释器
- 新建.py文件,输入:
运行该文件,输出True则配置完成import torch torch.cuda.is_available()