中山营销网站建设,网站建设需求方案,聚美优品网站建设的特点,网站建设中高低端区别本次实验搭配的环境是 CUDA 11.6 CUDNN v8.9.4 TensorRT-8.4.1.5 mindspore 2.1.0。 1、配置 Nvidia 显卡驱动
如果原来的主机已经安装了 nvidia 驱动#xff0c;为避免版本的冲突#xff0c;建议先清除掉旧的 nvidia驱动
sudo apt-get --purge remove nvidia*
sudo apt…本次实验搭配的环境是 CUDA 11.6 CUDNN v8.9.4 TensorRT-8.4.1.5 mindspore 2.1.0。 1、配置 Nvidia 显卡驱动
如果原来的主机已经安装了 nvidia 驱动为避免版本的冲突建议先清除掉旧的 nvidia驱动
sudo apt-get --purge remove nvidia*
sudo apt autoremove
sudo apt-get --purge remove *cublas* cuda*
sudo apt-get --purge remove *nvidia*sudo apt-get install linux-headers-$(uname -r)关闭系统自带驱动nouveau执行 sudo gedit /etc/modprobe.d/blacklist.conf 在末尾追加
blacklist nouveau
options nouveau modeset0
sudo update-initramfs -u安装NVIDIA驱动 下载地址
chmod ax NVIDIA-Linux-x86_64-535.104.05.run
./NVIDIA-Linux-x86_64-535.104.05.run -no-x-check -no-nouveau-check -no-opengl-files
sudo bash ./NVIDIA-Linux-x86_64-535.104.05.run -no-x-check -no-nouveau-check -no-opengl-files安装之后先重启主机 执行 sudo reboot然后检查驱动(执行nvidia-smi)是否安装成功 出现图示结果代表驱动安装成功
2、安装 CUDA-11.6
## 先安装CUDA前需要先安装相关依赖执行以下命令
sudo apt-get install linux-headers-$(uname -r)
wget https://developer.download.nvidia.com/compute/cuda/11.6.0/local_installers/cuda_11.6.0_510.39.01_linux.run
sudo sh cuda_11.6.0_510.39.01_linux.run
echo -e export PATH/usr/local/cuda-11.6/bin:\$PATH ~/.bashrc
echo -e export LD_LIBRARY_PATH/usr/local/cuda-11.6/lib64:\$LD_LIBRARY_PATH ~/.bashrc
source ~/.bashrc安装之后执行 nvcc --version 命令检查会输出以下提示
3、安装 CUDA-11.6配套的cuDNN v8.9.4
tar -xvf cudnn-linux-x86_64-8.9.4.25_cuda11-archive.tar
sudo cp cudnn-linux-x86_64-8.9.4.25_cuda11-archive/include/cudnn*.h /usr/local/cuda-11.6/include
sudo cp cudnn-linux-x86_64-8.9.4.25_cuda11-archive/lib64/libcudnn* /usr/local/cuda-11.6/lib64
sudo chmod ar /usr/local/cuda-11.6/include/cudnn*.h /usr/local/cuda-11.6/lib64/libcudnn*检查 CUDNN 是否安装成功
cat /usr/local/cuda-11.6/include/cudnn_version.h | grep CUDNN_MAJOR -A 2输出上图结果表示配置成功这里版本好是8.9.4
4、安装 minconda 下载可以从清华镜像源选择下载
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-py39_4.9.2-Linux-x86_64.sh
chmod ax Miniconda3-py39_4.9.2-Linux-x86_64.sh
bash Miniconda3-py39_4.9.2-Linux-x86_64.sh
. ~/miniconda3/etc/profile.d/conda.sh使用 conda 创建 mindspore 虚拟环境
conda init bash
conda create -n mindspore_py37 python3.7.5 -y
conda activate mindspore_py37设置 pip 源这里可以选择清华源或者华为源二选一。
python -m pip install --upgrade pip
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
pip config set global.index-url https://repo.huaweicloud.com/repository/pypi/simple5、安装 TensorRT-8.4.1.5 下载地址
tar -xvf TensorRT-8.4.1.5.Linux.x86_64-gnu.cuda-11.6.cudnn8.4.tar.gz
cd TensorRT-8.4.1.5/
echo -e export TENSORRT_HOME$PWD ~/.bashrc
echo -e export LD_LIBRARY_PATH\$TENSORRT_HOME/lib:\$LD_LIBRARY_PATH ~/.bashrc
source ~/.bashrc6、安装 mindspore 2.1.0
export MS_VERSION2.1.0
conda activate mindspore_py37
pip install https://ms-release.obs.cn-north-4.myhuaweicloud.com/${MS_VERSION}/MindSpore/unified/x86_64/mindspore-${MS_VERSION/-/}-cp37-cp37m-linux_x86_64.whl --trusted-host ms-release.obs.cn-north-4.myhuaweicloud.com -i https://pypi.tuna.tsinghua.edu.cn/simplemindspore GPU 检查
python -c import mindspore;mindspore.set_context(device_targetGPU);mindspore.run_check()7、 jupyter lab mindspore 环境管理
在 base 环境下安装 Jupyter Lab
conda activate base
conda install jupyter ipykernel在 mindspore_py37 中安装 ipykernel
conda activate mindspore_py37
conda install ipykernel将conda环境写入jupyter的kernel中 –name 环境名称 –display-name 在jupyter notebook看到的别名
python -m ipykernel install --user --name mindspore_py37 --display-name mindspore_py37运行 jupyter lab
conda activate base
jupyter lab讲 kernel 切换成 mindspore_py37 就可以在 Notebook 下使用 mindspore 进行脚本运行了
参考
https://blog.csdn.net/wm9028/article/details/110268030https://gitee.com/mindspore/docs/blob/master/install/mindspore_gpu_install_pip.md#%E5%AE%89%E8%A3%85cudahttps://blog.csdn.net/weixin_37926734/article/details/123033286https://zhuanlan.zhihu.com/p/370024835
