本文介绍使用GPU的 Pytorch 深度学习环境的配置,在安装Pytorch之前,需要先确保安装NVIDIA驱动、CUDA和cuDNN.

安装NVIDA GPU显卡驱动

  1. 查询显卡型号
  2. 官网下载适合自己显卡的驱动.run文件
  3. 卸载原有的NVIDIA驱动,sudo apt-get remove –purge nvidia* sudo apt-get autoremove;如果是使用官网下载的.run驱动,找到安装文件sudo ./*.run –uninstall
  4. 禁用nouveau驱动sudo gedit /etc/modprobe.d/blacklist.conf,在末尾添加:blacklist nouveau,然后执行:sudo update-initramfs -u,重启进入命令行界面后执行:lsmod | grep nouveau。如果没有屏幕输出,说明禁用nouveau成功。
  5. 进入Ctrl+Alt+F3进入命令行模式,关闭gdm服务sudo /etc/init.d/gdm3 stop
  6. 找到下载的驱动安装,sudo ./*.sh -no-opengl-files(务必加上此参数)
  7. 重启sudo reboot

安装CUDA10.1

  1. 官网下载linux, x86_64, Ubuntu, 18.04(或17.04)的runfile
  2. 安装
$ sudo sh cuda_10.0.130_410.48_linux.run

按空格读完声明,在安装过程中会询问是否安装显卡驱动,我们已经安装所以将驱动项去掉即可。安装完成后可能会有警告,提示samplees缺少一些包,暂时忽略,没有影响。

  1. 配置环境变量
sudo gedit ~/.bashrc

在.bashrc中添加下面Path

# add cuda
export CUDA_HOME=/usr/local/cuda 
export PATH=PATH:CUDA_HOME/bin 
export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64{LD_LIBRARY_PATH:+:{LD_LIBRARY_PATH}}

source使其生效

$ source ~/.bashrc
  1. 验证
$ nvcc -V
  1. 编译sample验证
$ cd /usr/local/cuda/samples/1_Utilities/deviceQuery
$ sudo make
$ ./deviceQuery

编译成功说明安装完成。

  1. 显示驱动信息和CUDA版本
$ nvidia-smi

安装cuDNN

官网注册下载,下载uDNN v7.5.0 (Feb 25, 2019), for CUDA 10.1,注意与CUDA版本保持对应!
解压文件后,复制相应文件至cuda中并更改权限,具体如下:

$ sudo cp cuda/include/cudnn.h /usr/local/cuda/include/ 
$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ 
$ sudo chmod a+r /usr/local/cuda/include/cudnn.h 
$ sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

验证查看CuDNN版本

$ cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

安装Pytorch

Pytorch官网下载安装pip或conda版本的pytorch
注意Pytorch版本需要和CUDA版本相对应!
Stable, Linux, Pip, Python3.6, CUDA10

分类: Ubuntu软件

0 条评论

发表评论

电子邮件地址不会被公开。 必填项已用*标注