安装显卡驱动
这里选择自动安装,先更新升级
sudo apt-get update
sudo apt-get upgrade
自动选择驱动安装
sudo ubuntu-drivers autoinstall
安装后重启
若自动安装不成功,参考链接手动安装。
https://blog.csdn.net/liu_feng_zi_/article/details/107234271
安装cuda
https://blog.csdn.net/qq_44961869/article/details/115954258
添加cuda环境变量
vim ~/.bashrc
export PATH="/usr/local/cuda-11.0/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-11.0/lib64:$LD_LIBRARY_PATH"
wq!保存退出后,执行命令 source ~/.bashrc
cudnn安装
https://blog.csdn.net/ashiners/article/details/118612897
cudnn查看版本
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
新版cudnn版本号定义在cudnn_version.h里,旧版本在cudnn.h
安装miniconda
安装简易版本miniconda进行环境管理
清华大学镜像源:https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/?C=M&O=A
选择某版本进行下载(这里选择base环境为python3.8,Linux x86 64位)
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-py38_4.12.0-Linux-x86_64.sh
下载后sh运行
sh Miniconda3-py38_4.12.0-Linux-x86_64.sh
一路enter,键入yes接受license,键入安装位置(enter选择默认安装位置),键入yes选择初始化miniconda,初始化后重新打开终端则能看到已进入base环境。
conda换源(谨慎换源,我换了后conda install一直出现CondaHTTPError)
conda config --add channels http://(自行查找)(某些https的源可能会出现CondaHTTPError,可改成http试一试)
conda config --set show_channel_urls yes (显示安装源)
修改回默认源:
conda config --remove-key channels
conda安装jupyter notebook
先在base环境安装jupyter:
conda install jupyter notebook
之后进入jupyter,发现只有conda默认的base环境:
在torch环境安装nb_conda,将conda其他虚拟环境关联到jupyter:
conda install nb_conda
此时便可以通过jupyter使用其他conda环境了。
安装pytorch
新建conda环境用来装pytorch,并指定python版本
conda create -n pytorch python=3.8
进入pytorch官网,根据自己cuda版本,选择安装最新版本或者以前版本,复制对应指令。
可选择conda安装或者pip安装,个人感觉pip安装更加方便,且换源后速度更快。
验证pytorch,cuda是否可用
import torch # 如果pytorch安装成功即可导入
print(torch.cuda.is_available()) # 查看CUDA是否可用
print(torch.cuda.device_count()) # 查看可用的CUDA数量
print(torch.version.cuda) # 查看CUDA的版本号