1 显卡驱动
支持 cuda 的所有显卡型号: Link
- 查询显卡型号
lspci -nn | grep VGA
即 Vendor ID:Device ID 为 10de:21c4，在浏览器或者 Link 中搜索。
- 填写显卡信息: Link
- 选择要下载的版本（可以选个新一点的 ）
- 运行
.run文件
sudo sh ./NVIDIA-Linux-x86_64-*.run
- 测试
nvidia-smi
2 cuda
参考官方文档: Link
- 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
- 查询本机系统信息
uname -m && cat /etc/*release
- 选择你的平台，下载相应的
.run文件并运行
安装完成后，得到下面的输出信息。
- 修改
PATH和LD_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 <<<
- 测试
nvcc -V
3 cuDNN
参考官方文档: Link
- 安装
Zlib
sudo apt-get install zlib1g
-
下载 cuDNN，要注册个帐号: Link
-
根据安装的 cuda 版本选择 cuDNN 版本，可以选新一点的
-
以
tar的形式安装
# 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*
- 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
-
根据项目需要确定要安装的版本
-
下载
.whl文件: Link
-
安装 torch文章来源：https://www.toymoban.com/news/detail-497509.html
conda activate xxx
pip install torch-*+cu*-cp*-cp*m-linux_x86_64.whl
- 测试
python
>>> import torch
>>> torch.cuda.is_available()
True
>>> torch.__version__
'1.11.0+cu113'
5 torchvision
- 根据 torch 选择对应的 torchvision 版本: Link
文章来源地址https://www.toymoban.com/news/detail-497509.html
- 下载
.whl文件: Link
- 安装 torchvision
conda activate xxx
pip install torchvision-*+cu*-cp*-cp*m-linux_x86_64.whl
- 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！
