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nouveausudo gedit /etc/modprobe.d/blacklist.conf
并在文件末尾加上blacklist nouveauoptions nouveau modeset=0
应用更改sudo update-initramfs -u
重启reboot
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./compute/cuda/*.*.*/local_installers/cuda_*.*.*_*.*.*_linux.runsudo 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:
cp cuda/lib64/* /usr/local/cuda-*.*/lib64/cp cuda/include/* /usr/local/cuda-*.*/include/
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
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 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Pycharmsh 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:
import torchtorch.cuda.is_available()
运行该文件,输出True则配置完成