柳州市城市建设局网站,wordpress增加轮播图,百度模拟点击软件判刑了,做自己的网页Ubuntu22.04系统安装软件、显卡驱动、cuda、cudnn、pytorch 安装 Nvidia 显卡驱动安装 CUDA安装 cuDNN安装 VSCode安装 Anaconda 并更换源在虚拟环境中安装 GPU 版本的 PyTorchReference 这篇博文主要介绍的是 Ubuntu22.04 系统中软件、显卡驱动、cuda、cudnn、pytorch 等软件和… Ubuntu22.04系统安装软件、显卡驱动、cuda、cudnn、pytorch 安装 Nvidia 显卡驱动安装 CUDA安装 cuDNN安装 VSCode安装 Anaconda 并更换源在虚拟环境中安装 GPU 版本的 PyTorchReference 这篇博文主要介绍的是 Ubuntu22.04 系统中软件、显卡驱动、cuda、cudnn、pytorch 等软件和环境的安装和配置在上一篇博文
Ubuntu22.04 双系统安装、配置及常用设置 中介绍了 Ubuntu22.04 双系统的安装、配置、终端常用操作的快捷键以及一些常用设置如同步时间、更改启动默认项、添加右击新建文件选项、创建桌面快捷方式等有需要的可自行点击链接查看。 安装 Nvidia 显卡驱动
本节按照 【超详细】【ubunbu 22.04】 手把手教你安装nvidia驱动有手就行隔壁家的老太太都能安装的教程安装的。 在 英伟达官网 根据选择自己的显卡型号-Search-下载相应的驱动博主选择的是第一个大家可以自行下载相应的驱动NVIDIA-Linux-x86_64-535.146.02.run 然后复制到主目录用户目录下避免路径中出现中文。 在终端输入以下命令更新软件列表并安装一些必要的软件、依赖。 # 更新软件列表
sudo apt-get update
# 安装g
sudo apt-get install g
# 安装gcc
sudo apt-get install gcc
# 安装make
sudo apt-get install make禁用默认驱动 安装 NVIDIA 驱动之前需要禁止系统自带显卡驱动 nouveau在终端输入下面命令打开 blacklist.conf 文件。 sudo gedit /etc/modprobe.d/blacklist.conf在打开的 blacklist.conf 文件末尾输入以下两行代码并保存然后关闭 blacklist nouveau
options nouveau modeset0之后更新一下系统的 initramfs 镜像文件并在终端中输入 sudo update-initramfs -u完成以上步骤后重启电脑。然后在终端中输入下面的命令如果没有输出的话就说明禁用了 nouveau。 lsmod | grep nouveau进入 tty 模式 进入 tty 模式就关闭了图形界面进入命令行模式因此后续安装推荐使用其他设备阅读该教程进行安装。 在终端输入下面的命令进入 tty 模式此时会进入全黑的命令行界面。 sudo telinit 3在 tty 模式下输入sudo telinit 3 命令可以重新打开图形界面 进入 tty 模式后需要输入用户名和密码进行登录对于一些字符可能显示的为白色菱形可能是编码格式的问题不用管。 安装驱动 步骤1 已经将下载后的驱动文件放在了主目录用户目录因此在 tty 模式的终端中进入主目录用户目录通过 ls 命令查看目录中是否存在下载的 NVIDIA 驱动文件NVIDIA-Linux-x86_64-535.146.02.run之后通过下面的命令进行安装即可。 # 给下载的驱动赋予可执行权限
sudo chmod 777 NVIDIA-Linux-x86_64-535.146.02.run
# 安装
# -no-opengl-files只安装驱动文件不安装OpenGL文件
# -no-x-check安装驱动时关闭X服务不设置可能导致安装失败。
sudo ./NVIDIA-Linux-x86_64-535.146.02.run –no-opengl-files -no-x-check 安装时会出现以下几个选择界面 An alternate method of installing the NVIDIA driver was detected. (This is usually a package provided by your distributor.) A driver installed via that method may integrate better with your system than a driver installed by nvidia-installer. Please review the message provided by the maintainer of this alternate installation method and decide how to proceed: 选择 Continue installation在 Install NVIDIA’s 32-bit compatibility libraries? 选择 NoWould you like to run the nvidia-xconfig utility to automatically update your X configuration file so that the NVIDIA X driver dill be used dhen you restart X? Any pre-existing X configuration file will be backed up. 选择 YesYour x configuration file has been successfully updated. Installation of the NVIDIA Accelerated Graphics Driver for Linux-x86_64 (version 535.146.02) is now complete. 选择 Ok 安装完成后返回图形界面并进行验证 输入下面的命令再次启动图形界面。 sudo service gdm3 start进入图形化界面后打开终端CtrlAltT并输入下面的命令打印出显卡信息则说明安装成功了。 nvidia-smi如果安装失败的话或者之后想卸载显卡驱动的可通过如下的命令卸载显卡驱动。
sudo apt-get remove --purge nvidia*安装 CUDA
本节按照 ubuntu系统安装CUDA和CUDNNCUDA安装 安装的 CUDA。CUDA 官方下载链接为 CUDA Toolkit Archive 注意通过显卡驱动的nvidia-smi命令可以看到自己显卡所支持的最高 CUDA 版本安装 CUDA 时需要注意安装的 CUDA 版本号不能高于这里显示的最高版本号。 注意本节安装的 CUDA 版本号决定了后续要安装的 PyTorch 的版本号详情可参见后面博文在虚拟环境中安装 GPU 版本的 PyTorch部分。 在 CUDA官网 CUDA Toolkit Archive 找到自己要下载的 CUDA 的版本号通过 nvidia-smi 命令显示的是12.2因此需要选择不高于12.2的版本博主选择的是12.1然后点击进入下载页面。 在下载页面根据需要红色框选择相应的版本然后最下方蓝色框内就会出现安装命令。 根据上述下载命令安装 CUDA 打开终端依次执行下面的命令即可安装。 # 下载CUDA需要几分钟的时间
wget https://developer.download.nvidia.com/compute/cuda/12.1.0/local_installers/cuda_12.1.0_530.30.02_linux.run
# 安装下载好的CUDA
sudo sh cuda_12.1.0_530.30.02_linux.run安装时会出现以下几个选择界面 Do you accept the above CUDA?accepted/decline/quit: 输入 accept 按下回车 在 CUDA Installer 页面在第一行 Driver 上按下空格取消驱动的安装因为之前的步骤已经手动安装过驱动了然后按下方向键下键到 Install 行按下回车即可安装。 添加环境变量 # 打开终端
# 通过gedit编辑器打开.bashrc文件
gedit ~/.bashrc
# 在该文件的最后添加下面两行
# 注意下面两行命令的cuda-x.x需要根据自己安装的版本号进行修改如博主安装的是12.1版本所以下面两行修改为cuda-12.1
export PATH/usr/local/cuda-12.1/bin:${PATH}
export LD_LIBRARY_PATH/usr/local/cuda-12.1/lib64:${LD_LIBRARY_PATH}
# 使得修改后的环境变量生效
source ~/.bashrc验证 CUDA 是否安装成功 在终端中输入下面的命令查看 CUDA 的版本号出现版本号就表示安装成了。 # 下面的两条命令均可以查看当前安装的CUDA的版本号选择其中一条尝试即可
nvcc --version
# 或者
nvcc -V安装 cuDNN
本节按照 手把手教你安装双系统 windows11ubuntu 22.04(2)配置基础的深度学习环境 安装 Linux x86_64 (Tar) 的 cuDNN。
下载 cuDNN 安装包 根据上面安装的 CUDA 版本 在 cuDNN 官网 cuDNN Archive 选择相应的 CUDA 版本 for 12.x 之前博主安装的 CUDA 版本是 12.1然后下载 Tar 类型的 cuDNN 安装包cudnn-linux-x86_64-8.9.6.50_cuda12-archive.tar.xz并复制到 主目录用户目录下 。 安装 打开 cuDNN 的官方安装教程 Installation Guide (PDF)可参照它进行安装其中的.tar 类型的适合所有的Linux系统.deb 类型的适用于Debian 11, Ubuntu 18.04, Ubuntu 20.04, and 22.04等系统。(官方文档的解释1.3. Installing on Linux. The following steps describe how to build a cuDNN dependent program. Choose the installation method that meets your environment needs. For example, the tar file installation applies to all Linux platforms. The Debian package installation applies to Debian 11, Ubuntu 18.04, Ubuntu 20.04, and 22.04. The RPM package installation applies to RHEL7, RHEL8, and RHEL9. ) 按照教程的 1.3.1 Tar File Installation 部分的安装教程通过下面的命令进行解压和安装已经下载的安装包 cudnn-linux-x86_64-8.9.6.50_cuda12-archive.tar.xz 具体过程如下# 解压下载的cuDNN压缩包官方命令为tar -xvf cudnn-linux-$arch-8.x.x.x_cudaX.Y-archive.tar.xz
# 将官方命令根据自己下载的cuDNN版本号进行修改cudnn-linux-x86_64-8.9.6.50_cuda12-archive.tar.xz
tar -xvf cudnn-linux-x86_64-8.9.6.50_cuda12-archive.tar.xz
# 分别将解压的文件复制到相应目录
sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda/include
sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64
sudo chmod ar /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
# 之后便可以手动删除主目录用户目录下解压的cuDNN文件了验证 在终端输入以下命令查看安装的 cuDNN 的版本号如果输出相应的结果则表明安装成功。sudo cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2其他安装教程 ubuntu22.04安装nvidia驱动cuda11.7cudnn8.6 Ubuntu 安装 GPU 驱动、CUDA、cuDNN以及是否安装成功的检测 cuda版本与pytorch版本依赖关系 cuda8.0 pytorch
安装 VSCode
在相应软件的官网下载 Linux 的包之后在终端进行安装。下面展示 .deb 格式的 VSCode 安装过程其他 .deb 格式的软件安装过程类似均使用 sudo dpkg -i XXX(你下载的安装包名).deb 进行安装。 到 VSCode 的官网 https://code.visualstudio.com/ 下载 code_1.85.1-1702462158_amd64.deb 安装包。 将安装包复制到用户目录主目录下进入到终端进行安装。
# 列出当前目录下的文件查看有无 VSCode 的安装包 code_1.85.1-1702462158_amd64.deb
ls
# 使用命令 sudo dpkg -i XXX(你下载的安装包名).deb 安装下载的安装包
sudo dpkg -i code_1.85.1-1702462158_amd64.deb# 为VSCode安装插件点击左侧功能窗口中的Extensions中进行扩展
# 安装汉化插件搜索中文点击搜索列表中ChineseSimplified中文简体包旁边的Install进行安装然后重启
# 安装Python插件搜索python安装Python插件用于运行和调试已有的Python程序# 打开文件夹指定相应的python环境
# 1. 左上角文件-打开文件夹代码文件夹之后点信任所有文件
# 2. 随便点击一个.py文件然后点击界面最下面右边的Python后面的版本号如3.10.12 64-bit
# 3. 在弹出的选择解释器窗口选择对应的python解释器可以是配好的conda虚拟环境中的python解释器安装 Anaconda 并更换源
本节参考 Ubuntu安装Anaconda详细步骤Ubuntu22.04.1Anaconda3-2023.03 安装 Anaconda关于 anaconda3 的下载、安装、换源和使用 进行换源。 在 清华大学开源软件镜像站 下载 Anaconda 安装包博主下载的是 Anaconda3-2023.03-1-Linux-x86_64.sh 并将下载的安装包复制到 主目录用户目录下。
# 在用户目录下打开终端查看当前目录下的文件
ls# 安装 anaconda
bash Anaconda3-2023.03-1-Linux-x86_64.sh# 之后就是输入一连串的Enter输yes,等待安装完成。
# 安装完成后在用户目录主目录下会生成一个anaconda3的文件夹之后打开终端就可以看到 base 环境了更换Anaconda的源 注意更换源后在 PyTorch官网上 通过 conda 命令安装 pytorch 可能出现下面的错误所以建议先不更换源安装 pytorch 等。 UnsatisfiableError: The following specifications were found to be incompatible with each other. PackagesNotFoundError: The following packages are not available from current channels
# 查看Anaconda中已存在的镜像源第一次执行会在主目录用户目录生成一个.condarc文件
conda config --show channels
# 永久添加镜像源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
# 设置搜索时显示的通道地址
conda config --set show_channel_urls yes在虚拟环境中安装 GPU 版本的 PyTorch
打开终端使用anaconda 创建虚拟环境并安装 GPU 版本的 PyTorch 环境PyTorch官方网址
# 创建一个名为py39的虚拟环境并指定了python的版本为3.9
conda create --name py39 python3.9
# 然后输入y即可创建该虚拟环境# 激活该虚拟环境
conda activate py39# 根据pytorch的官方网址的命令进行安装
# 在https://pytorch.org/选择Linux、Conda、Python以及已经安装好的CUDA版本号得到的安装命令进行安装
# 分析该命令-c后面为安装包的源-c pytorch表示使用官方源可能出现速度慢等问题
conda install pytorch torchvision torchaudio pytorch-cuda12.1 -c pytorch -c nvidia# 之后可以使用conda或者pip命令继续安装其他包# 安装好之后在Python中进行验证
# 在conda的虚拟环境终端,输入python进入该环境下的Python开发环境
import torch
# 查看pytorch的版本号version前后各有2个_
torch.__version__
# 查看CUDA是否可用GPU是否可用
# 如果下面的命令输出的结果显示为False则安装的可能是cpu版本的pytorch可通过下面方法进行解决
torch.cuda.is_available()
# 查看当前使用的GPU序号
torch.cuda.current_device()
# 查看可用的GUDA数量GPU数量
torch.cuda.device_count()
# 查看cuda版本号
torch.version.cuda
# 查看cnDNN版本号
torch.backends.cudnn.version()# 如果上述命令均没问题则GPU版本的PyTorch等安装成功退出当前的Python开发环境即可
exit()如果使用上述 pytorch 官方命令总是安装 cpu 版本的 pytorch通过 conda list 检查发现 pytorch 是 py3.x_cpu_0那么可能有以下几种原因
参照 下载pytorch时总是下成CPU版本的一种解决办法 由于当前虚拟环境内的 python 版本过低可以在 https://download.pytorch.org/whl/torch_stable.html 上查看对应 cuda 版本所需的 python 版本。 解决方法创建虚拟环境时参照上述网址指定 python 版本号。参照 安装pytorch-gpu时会默认安装cpu版本 在安装 pytorch 时会默认安装一个名为 cpuonly 的库这使 pytorch 以及 torchvision 的版本都默认为 cpu 版即便你在安装时给出cudatoolkit 版本也无效。 解决方法通过 conda list 检查是否存在 cpuonly 的库若存在则可通过 conda uninstall cpuonly 卸载此时 cpu 版本的 pytorch 会 转成 gpu 版本。若通过 conda list 检查发现并没有 cpuonly 库但 pytorch 版本仍为 cpupytorch 是 py3.x_cpu_0则只需先将 conda install cpuonly 安装 cpuonly 库再 conda uninstall cpuonly 卸载 cpuonly 库即可。
参考链接 pytorch cuda安装报错的解决方法 下载pytorch时总是下成CPU版本的一种解决办法 安装pytorch-gpu时会默认安装cpu版本
Reference
【超详细】【ubunbu 22.04】 手把手教你安装nvidia驱动有手就行隔壁家的老太太都能安装 ubuntu系统安装CUDA和CUDNNCUDA安装 手把手教你安装双系统 windows11ubuntu 22.04(2)配置基础的深度学习环境 ubuntu22.04安装nvidia驱动cuda11.7cudnn8.6 Ubuntu 安装 GPU 驱动、CUDA、cuDNN以及是否安装成功的检测 cuda版本与pytorch版本依赖关系 cuda8.0 pytorch Ubuntu安装Anaconda详细步骤Ubuntu22.04.1Anaconda3-2023.03 关于 anaconda3 的下载、安装、换源和使用
