【环境配置】Conda虚拟环境中安装cuda

最新推荐文章于 2024-06-02 18:51:24 发布
最新推荐文章于 2024-06-02 18:51:24 发布
阅读量2.1k 收藏 6
点赞数 1
分类专栏： 环境配置 文章标签： anaconda 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zfhsfdhdfajhsr/article/details/117792457
版权

在linux中创建的Conda环境，不同了虚拟环境可以安装不同的之间cuda不影响。这样可以适配不同的深度学习环境。
命令如下，当然可以后面换不同的源加速下载速度。

conda install cudatoolkit=10.1 -c https://mirrors.aliyun.com/anaconda/pkgs/free/linux-64/
一穷二白到年薪百万
关注
  • 1
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
conda 包安装位置 虚拟环境_conda虚拟环境安装
weixin_39850143的博客
12-19 1612
一、背景需要学习mxnet，建一个conda虚拟软件环境。二、步骤2、安装:bashAnaconda3-5.3.1-Linux-x86_64.sh3、验证conda是否成功conda -V4、下载d2lzh.zip包wget https://zh.d2l.ai/d2l-zh-1.1.zip5、新建d2lzl目录，并把d2l-zh-1.1.zip拷贝到该目录进行解压unzip d2l-zh-1....
conda 配置虚拟环境
qq_24030999的博客
04-28 625
conda 配置虚拟环境 配置虚拟环境就可以在自己的环境下装一些东西，这样大家用一台机器，不会相互影响 1.conda create -n wjl python=3.7 2.conda info —enes Conda info -e 就可以看到刚才自己创建的那个虚拟环境了 3.激活自己的虚拟环境 source activate wjl Conda activate wjl 不激活 conda deactivate ...
conda 安装多环境及多cuda共存
h363924219的博客
12-15 2181
conda 安装多环境及多cuda共存 https://blog.csdn.net/zhy455/article/details/83862178
使用conda配置CUDA环境
weixin_44799144的博客
03-01 9909
在使用各种框架，例如Pytorch、MxNet、TensorFlow等的GPU版本时，直接去官网下载CUDA和cudnn实在是太麻烦，后期还得安装配置。其实，我们可以直接使用conda轻松一键下载配置CUDA环境！ 首先我们需要下载Anaconda或者Miniconda。个人更加推荐Miniconda，因为非常轻便，没有太多冗余的库包，只有必要的依赖项。 下载好Miniconda或者Anaconda之后，我们首先需要检查一下自己的电脑支持哪个版本的CUDA。单击鼠标右键，选择NVIDIA控制面板。然后先后点
使用虚拟环境conda安装不同版本（指定版本）的cuda，cudnn，pytorch
最新发布
edward_zcl的博客
06-02 1740
背景：在学习深度学习时，我们不可避免的需要跑多个神经网络，而不同的神经网络环境都不一样，所以必须要使用到虚拟环境(如conda)去做环境隔离，安装属于自己的环境。在这环境中，大多神经网络都必须要用到cuda，cudnn。不同的神经网络需求版本不同，所以也需要另行安装，这与前面一篇文章pip安装包的方式还不太一样。安装好显卡驱动后，使用nvidia-smi命令可以查看这个显卡驱动可以安装的最高的cuda版本是多少，如下： Driver Version: 525.89.02 表明当前显卡驱动版本是525.89
conda搭建虚拟环境+配置CUDA+安装pytorch
weixin_44019380的博客
12-02 1万+
conda虚拟环境的搭建，cuda的配置，conda安装库，以及一些常见的错误。
使用虚拟环境conda安装不同版本的cuda，cudnn，pytorch
qq_42537872的博客
08-16 1万+
背景：在学习深度学习时，我们不可避免的需要跑多个神经网络，而不同的神经网络环境都不一样，所以必须要使用到虚拟环境(如conda)去做环境隔离，安装属于自己的环境。在这环境中，大多神经网络都必须要用到cuda，cudnn。不同的神经网络需求版本不同，所以也需要另行安装，这与前面一篇文章pip安装包的方式还不太一样。安装好显卡驱动后，使用nvidia-smi命令可以查看这个显卡驱动可以安装的最高的cuda版本是多少，如下： Driver Version: 525.89.02 表明当前显卡驱动版本是525.89
深度学习环境配置——conda虚拟环境安装CUDA和CUDNN
tyyhmtyyhm的博客
03-20 8401
人生来就不是为了被打败的，人能够被毁灭，但是不能够被打败。—— 海明威《老人与海》
3090显卡安装tensorflow/pytorch
LIWEI940638093的博客
02-09 3639
3090显卡安装tensorflow/pytorch一 3090显卡驱动二 安装CUDA11.0三 安装cuDNN四 安装anaconda五 安装tensorflow/pytorch六 安装gdal 我的系统是Ubuntu18.04，这个教程对所有Ubuntu系统都适用，只是要安装正确的显卡驱动和cuda/cudnn 一 3090显卡驱动 去官网下载正确的显卡驱动即可。具体操作见：https://blog.csdn.net/LIWEI940638093/article/details/109304789 二
Ubuntu16.04下—配置新环境–基于conda–安装Pytorch—spyder
12-21
很多文章没介绍 CUDA是什么，上来直接安装，没有创建对应的环境。 so！ 自己总结一下 转载请贴链接 https://blog.csdn.net/u013271656/article/details/105054615 1. Anaconda下创建torch环境 1.创建torch虚拟环境 ...
Ubuntu20.04+3090ti+python3.7+tensorflow+pytorch下conda环境配置文件.yml
04-17
Ubuntu20.04+3090ti+python3.7+tensorflow+pytorch下conda环境配置文件.yml 详情可查看博客：https://blog.csdn.net/weixin_42213421/article/details/124225950 python=3.7.13 tensorflow-gpu=2.8.0 tensorboard=...
Ubuntu20.04+3090ti+python3.6+tensorflow+pytorch下conda环境配置文件.yml
04-17
Ubuntu20.04+3090ti+python3.6+tensorflow+pytorch下conda环境配置文件.yml 详情可查看博客：https://blog.csdn.net/weixin_42213421/article/details/124225950 python=3.6.13 tensorflow-gpu=2.6.2 tensorboard=...
10分钟解决PyTorch环境的配置及安装 之 最详细教程
12-22
如果在安装过程中遇到问题，例如`pytorch-1.4.0`和`cudatoolkit-9.2`无法成功安装，您可以尝试从可靠来源（如百度网盘）下载预存的包，并通过`conda install`命令手动安装。 5. **验证安装**： 安装完成后，使用...
Ubuntu中配置TensorFlow使用环境的方法
12-20
使用Anaconda的conda命令创建一个新的虚拟环境，然后在这个环境中安装TensorFlow。你可以选择安装CPU版本或GPU版本的TensorFlow，使用命令如下： - CPU版本： ``` conda create -n tensorflow_env python=3.x ...
conda虚拟环境中安装cuda和cudnn，再也不用头疼版本号的问题了
热门推荐
hjyp的博客
11-29 7万+
文章目录背景（为什么）具体步骤查看conda支持的cuda版本下载cuda安装cudnn查看cuda对应的cudnn版本下载cudnn版本安装cudnn测试安装是否成功安装pytorch测试cuda版本参考链接 背景（为什么） 深度学习用显卡训练的时候，需要安装与显卡对应的cuda和cudnn，这样才可以用显卡进行训练。 但是github上不同的项目所支持的pytorch版本是不一样的，而pytorch版本和cuda版本之间又是互相依赖的，所以如果可以灵活地在不同cuda版本间切换将是非常方便的。anaco
在conda虚拟环境中配置cuda+cudnn+pytorch深度学习环境（新手必看！简单可行！）
m0_68239345的博客
01-30 2万+
在conda虚拟环境中配置cuda+cudnn+pytorch深度学习环境
conda环境中配置cuda+cudnn+pytorch深度学习环境
qq_18256855的博客
06-14 3204
介绍conda环境下pytorch gpu版本部署
conda虚拟环境 + 多cuda + pytorch_gpu + tensorflow_gpu配置
m0_52248385的博客
05-30 3005
注意：lib是win64下的内容。
Windows conda不同环境安装不同的cuda和cudnn
weixin_44028403的博客
06-19 337
windows环境下，在不同的conda环境下安装不同的cuda和cudnn
配置tensorflow虚拟环境并安装cuda和cudnn
05-20
以下是在Linux系统上配置tensorflow虚拟环境并安装CUDA和cuDNN的步骤： 1. 安装NVIDIA显卡驱动 首先，需要安装NVIDIA显卡驱动。可以通过以下命令进行安装： ```bash sudo apt-get install nvidia-driver-<version> ``` 其中，`<version>`为显卡驱动的版本号。例如，如果要安装版本号为460的显卡驱动，可以使用以下命令： ```bash sudo apt-get install nvidia-driver-460 ``` 安装完成后，需要重启电脑。 2. 安装CUDA 接下来，需要安装CUDA。可以到NVIDIA官网下载对应版本的CUDA安装包，然后按照提示进行安装。 3. 安装cuDNN cuDNN是一个加速深度学习的库，可以提高tensorflow的性能。可以到NVIDIA官网下载对应版本的cuDNN安装包，然后按照提示进行安装。 4. 创建虚拟环境 创建一个虚拟环境可以隔离不同的Python项目，使得它们之间的依赖不会相互干扰。可以使用conda或者虚拟环境来创建一个新的Python环境。 使用conda创建虚拟环境可以使用以下命令： ```bash conda create -n env_name python=3.7 ``` 其中，`env_name`是虚拟环境的名称。这个命令会创建一个名为`env_name`的虚拟环境，并且安装Python 3.7。 使用虚拟环境创建虚拟环境可以使用以下命令： ```bash sudo apt-get install python3.7-venv python3.7 -m venv env_name ``` 其中，`env_name`是虚拟环境的名称。这个命令会在当前目录下创建一个名为`env_name`的虚拟环境，并且安装Python 3.7。 5. 激活虚拟环境并安装tensorflow 创建完虚拟环境后，需要激活虚拟环境。可以使用以下命令激活虚拟环境： ```bash source activate env_name ``` 其中，`env_name`是虚拟环境的名称。 激活虚拟环境后，可以使用以下命令安装tensorflow： ```bash pip install tensorflow-gpu==<version> ``` 其中，`<version>`是tensorflow的版本号。例如，如果要安装版本号为2.4.1的tensorflow，可以使用以下命令： ```bash pip install tensorflow-gpu==2.4.1 ``` 安装完成后，就可以在虚拟环境中使用tensorflow了。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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