搭建cuda，cudnn，pytorch环境

2021-10-03 14:32:52 阅读：227 来源： 互联网

标签：-- sudo cudnn pytorch cuda 安装 usr

更换gcc版本

sudo apt install gcc-10
sudo rm /usr/bin/gcc
sudo ln -s /usr/bin/gcc-10 /usr/bin/gcc

安装NVIDIA驱动

禁用图形界面

sudo systemctl set-default multi-user.target
sudo reboot

开机后按 ctrl + alt + f1进入命令行

安装Driver

参考这篇文章

https://www.cnblogs.com/chua-n/p/13208398.html

卸载驱动：

sudo apt-get --purge remove nvidia-*
sudo apt-get --purge remove "*nvidia*"

在 https://www.nvidia.cn/Download/index.aspx?lang=cn 下载对应的驱动

安装包装包即可。

接着就可以用nvidia-smi查看显卡

可以看到我已经安装好了驱动Driver-470

这个cuda-version值得是我能够使用的cuda最高版本，11.4可以用，那么11.1也可以用。

安装CUDA

卸载原来的cuda：

sudo apt autoremove cuda
sudo apt --purge remove "*cublas*" "cuda*"

下载cuda11.1（run版本，而不是deb版本），和对应的cudnn

安装cuda11.1需要满足：

gcc >=9.3.0
有root权限

注意!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!

sudo bash cudaXXX.run之后会有两次交互的选择：

1）填accept表示接受协议

2）自选安装组件，我们一定要取消安装Driver，因为Driver不允许降级，如果不取消安装Driver会导致安装失败。

报错：

Executing NVIDIA-Linux-x86_64-455.23.05.run --ui=none --no-questions --accept-license --disable-nouveau --no-cc-version-check --install-libglvnd 2>&1
[INFO]: Finished with code: 256

安装完成之后要配置环境

此时/usr/local/有两个cuda文件夹，一个是cuda一个是cuda-11.1，cuda就是cuda-11.1的硬链接。

添加环境变量

export PATH=/usr/local/cuda-11.1/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64:$LD_LIBRARY_PATH

安装CUDNN

选择 cudnn library for linux

下载压缩文件后，解压缩得到一个cuda文件夹，直接拷贝文件就行了

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 /usr/local/cuda/lib64/libcudnn*

接着安装deb包，

下载

用 sudo dpkg -i xxx.deb 进行安装：

安装顺序： libcudnn8_8 libcudnn8-dev libcudnn8-samples ，这是上面三个deb文件的前缀。

安装之后进行测试：

cp -r /usr/src/cudnn_samples_v8/ ~ 
cd ~/cudnn_samples_v8/mnistCUDNN/ 
make clean && make 
./mnistCUDNN

如果出现 fatal error: FreeImage.h ，执行

sudo apt-get install libfreeimage3 libfreeimage-dev

再一次执行：

make clean && make 
./mnistCUDNN

输出test passed！代表可以正常使用cudnn

装pytorch

执行：

conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c nvidia

测试：

import torch
torch.cuda.is_available()

输出True，表示有gpu

结束

恢复图形界面

sudo systemctl set-default graphical.target
sudo reboot

结语:

按照这样方式即可搭建cuda环境。

标签：--,sudo,cudnn,pytorch,cuda,安装,usr
来源： https://www.cnblogs.com/kalicener/p/15364107.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9