【DeepLearning】Ubuntu中深度学习环境配置完整流程

这篇具有很好参考价值的文章主要介绍了【DeepLearning】Ubuntu中深度学习环境配置完整流程。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

1 显卡驱动

支持 cuda 的所有显卡型号: Link

  1. 查询显卡型号
lspci -nn | grep VGA

【DeepLearning】Ubuntu中深度学习环境配置完整流程

Vendor ID:Device ID 为 10de:21c4,在浏览器或者 Link 中搜索。

  1. 填写显卡信息: Link

【DeepLearning】Ubuntu中深度学习环境配置完整流程

  1. 选择要下载的版本(可以选个新一点的 )

【DeepLearning】Ubuntu中深度学习环境配置完整流程

  1. 运行 .run 文件
sudo sh ./NVIDIA-Linux-x86_64-*.run
  1. 测试
nvidia-smi

2 cuda

参考官方文档: Link

  1. 选择要安装的版本: Link
  • 先通过 nvidia-smi 查看驱动支持的 cuda 最高版本,我的最高版本为 11.8
  • 然后在此范围内选择项目中比较常用的 cuda 版本,只要低于最高版本都可以

【DeepLearning】Ubuntu中深度学习环境配置完整流程

  1. 查询本机系统信息
uname -m && cat /etc/*release

【DeepLearning】Ubuntu中深度学习环境配置完整流程

  1. 选择你的平台,下载相应的 .run 文件并运行
    【DeepLearning】Ubuntu中深度学习环境配置完整流程

安装完成后,得到下面的输出信息。

【DeepLearning】Ubuntu中深度学习环境配置完整流程

  1. 修改 PATHLD_LIBRARY_PATH 变量来设置开发环境

参考官方文档: Link

vim ~/.bashrc

# 添加以下内容
# >>> cuda >>>
export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
# <<< cuda <<<
  1. 测试
nvcc -V

【DeepLearning】Ubuntu中深度学习环境配置完整流程

3 cuDNN

参考官方文档: Link

  1. 安装 Zlib
sudo apt-get install zlib1g
  1. 下载 cuDNN,要注册个帐号: Link
    【DeepLearning】Ubuntu中深度学习环境配置完整流程

  2. 根据安装的 cuda 版本选择 cuDNN 版本,可以选新一点的
    【DeepLearning】Ubuntu中深度学习环境配置完整流程

  3. tar 的形式安装
    【DeepLearning】Ubuntu中深度学习环境配置完整流程

# 解压下载的文件
tar -xvf cudnn-linux-x86_64-8.x.x.x_cudaX.Y-archive.tar.xz

# 复制到 cuda 的目录下
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*
  1. 测试(有点麻烦,可以忽略)
sudo apt-get install libcudnn8=${cudnn_version}-1+${cuda_version}
sudo apt-get install libcudnn8-dev=${cudnn_version}-1+${cuda_version}
sudo apt-get install libcudnn8-samples=${cudnn_version}-1+${cuda_version}

${cudnn_version} = 8.x.x.x
${cuda_version} = cuda12.1 or cuda11.8…
Note: 以自己安装的版本为准!

cp -r /usr/src/cudnn_samples_v8/ $HOME
cd  $HOME/cudnn_samples_v8/mnistCUDNN
make clean && make
./mnistCUDNN

如果 cuDNN 正确安装和运行,你会看到类似以下的信息:Test passed!

4 torch

  1. 根据项目需要确定要安装的版本

  2. 下载 .whl 文件: Link
    【DeepLearning】Ubuntu中深度学习环境配置完整流程

  3. 安装 torch

conda activate xxx
pip install torch-*+cu*-cp*-cp*m-linux_x86_64.whl
  1. 测试
python

>>> import torch
>>> torch.cuda.is_available()
True
>>> torch.__version__
'1.11.0+cu113'

5 torchvision

  1. 根据 torch 选择对应的 torchvision 版本: Link

【DeepLearning】Ubuntu中深度学习环境配置完整流程文章来源地址https://www.toymoban.com/news/detail-497509.html

  1. 下载 .whl 文件: Link
    【DeepLearning】Ubuntu中深度学习环境配置完整流程
  2. 安装 torchvision
conda activate xxx
pip install torchvision-*+cu*-cp*-cp*m-linux_x86_64.whl
  1. 测试
python

>>> import torchvision
>>> torchvision.__version__
'0.12.0+cu113'

到了这里,关于【DeepLearning】Ubuntu中深度学习环境配置完整流程的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 深度学习环境配置指南!(Windows、Mac、Ubuntu全讲解)

    入门深度学习,很多人经历了从入门到放弃的心酸历程,且千军万马倒在了入门第一道关卡:环境配置问题。俗话说,环境配不对,学习两行泪。 如果你正在面临配置环境的痛苦,不管你是Windows用户、Ubuntu用户还是苹果死忠粉,这篇文章都是为你量身定制的。接下来就依次

    2024年01月18日
    浏览(41)
  • Ubuntu20.04配置深度学习环境(全网最细最全)

    目录 一、NVIDIA显卡驱动安装 二、安装CUDA 三、安装cuDNN 四、安装Anaconda 五、Anaconda的简单使用 5.1 管理环境 5.2 管理包(package) 5.3 conda install 与 pip install 5.4 conda configuration        默认你已经完成Ubuntu20.04的安装,如果没安装的话可以参考其他博客,我的显卡是GTX1660Ti     

    2024年04月09日
    浏览(83)
  • Linux Ubuntu20.04深度学习环境快速配置命令记录

    1、更新系统包 2、安装显卡驱动 使用apt方式安装驱动,多数情况不容易成功, 使用一下方法更佳: 1.查看合适显卡的驱动版本 NVIDIA GeForce 驱动程序 - N 卡驱动 | NVIDIA NVIDIA GeForce 驱动程序官方提供下载最新版的 Geforce 驱动程序,可提升 PC 游戏体验和应用程序速度。更多关于更

    2024年02月09日
    浏览(60)
  • ubuntu 20.04 4090 显卡驱动安装 深度学习环境配置

    准备工作: 换源 安装输入法:重启的步骤先不管(自选) sudo apt update sudo apt upgrade 禁用nouveau驱动(这个驱动是ubuntu开源小组逆向破解NVIDIA的开源驱动,与英伟达的原有驱动不兼容)执行完第2.3步,先不重启。 打开 软件和更新 , 选择 附加驱动,安装推荐驱动(第一个),点

    2024年02月16日
    浏览(54)
  • 史上最完整的深度学习环境配置教程,亲自踩雷,看必会(包含问题解决)配置Anaconda+Pycharm+Pytorch+Jupyter

    目录 前言 一、配置Anaconda 二、配置PyCharm 三、配置PyTorch 四、配置Jupyter notebook 本人浏览了大量教程,踩过很多的坑,我将配置的过程详细具体的教给大家,只要按照步骤来一定可以配置成功。 进入Anaconda官网,点击Download 点击Download之后会进入该页面 ----------------------------

    2024年02月12日
    浏览(68)
  • RTX4080+Ubuntu20.04深度学习环境配置(小白入门友好)

    因为科研需要,最近几个月开始入门深度学习,准备做语义分割相关的东西。整了一块16G的4080显卡,从0开始学习配置,但找了网上很多资源,感觉很多都不适合纯小白入门。第一次配置成功后没有做记录,昨天因为系统的ubuntu图形用户界面崩掉了,整了很多方法,都没有成

    2024年02月04日
    浏览(76)
  • 【新手流程】1小时解决Anaconda+Cuda+Cudnn+Pytorch+Pycharm深度学习环境配置

    1、安装Anaconda 2、安装Cuda+Cudnn 3、安装Pytorch 4、安装Pycharm 5、配置Pycharm环境 点击进入Anaconda官网👉: Anaconda.com官网 https://www.anaconda.com/download/ 如果下载速度太慢可以使用这个镜像链接: Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror Index of /anaconda/a

    2024年02月16日
    浏览(104)
  • 基于docker的ubuntu云服务器jupyter深度学习环境配置指南

    安装docker 文档中的命令如下: 如果回显如下所示,则说明成功: 安装Nvidia-docker 根据官方文档中的命令跑就行了 如果出现了以下回显,说明安装成功 需要注意的是,在运行最后一步命令时: sudo docker run --rm --runtime=nvidia --gpus all nvidia/cuda:11.6.2-base-ubuntu20.04 nvidia-smi 如果报错

    2024年02月13日
    浏览(90)
  • ubuntu20.04配置ros noetic和cuda,cudnn,anaconda,pytorch深度学习的环境

    这里介绍下本篇文章的目的,为了方便自己日后在其他主机上搭建环境,也为了帮助遇到相同问题的人。本篇文章主要是解决ubuntu20.04搭建机械臂视觉抓取的环境部署问题。第一个环境了ROS环境,第二个环境是深度学习yolov5的环境。 这里推荐鱼香ros的便携式安装方法,这里感

    2024年02月07日
    浏览(93)
  • Ubuntu 20.04 RTX 4090显卡 深度学习环境配置(Nvidia显卡驱动、CUDA11.6.0、cuDNN8.5)

    参考文献:从零到一保姆级Ubuntu深度学习服务器环境配置教程 看文献中“ 三、 NVIDIA驱动安装 ” 安装NVIDIA驱动,这也是安装CUDA10.0及其对应版本的CuDNN和tensorflow的重要步骤。 1.1.1 英伟达中国驱动官网 进入英伟达中国驱动官网 1.1.2 输入显卡型号查询 1.1.3 查看搜索结果 1.2.1 方

    2024年02月04日
    浏览(112)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包