ubuntu1604 配置显卡驱动cuda80cudnnpytorch在线安装显卡驱动离线安装cuda安装cudnn配置环境变量离线安装cond配置pytorch测试pytorch感悟
ubuntu16.04 配置显卡驱动+cuda8.0+cudnn+pytorch
1. 在线安装显卡驱动
1.ubuntu桌面左上角设置 -> system setting -> software&apdates -> additional drivers -> using NVIDIA binary driver
2.安装完以后 终端输入nvidia-smi
验证驱动是否装好
2. 离线安装cuda
1找到cuda_8.._linux.run
和cuda_8..._375.26_linux.run
所在文件夹
2. 键入 ctrl+ shift +F1 进入命令行界面,输入sudo service lightdm stop
关闭图形界面。
3. 在命令行界面输入sudo bash cuda_8_.._375.26_linux.run
注意: 在安装过程中,会询问是否需要装显卡驱动 输入 n (避免重复安装显卡驱动), 其余都选y
4.安装完以后, 输入ls
可以查看文件列表,通过sudo bash ***.run
在执行安装另一个 cuda文件,一直 enter 直到安装完成
5.启用图像界面sudo service lightdm start
即可进入
3. 安装cudnn
进入cudnn官网,登录后点击 Downloadcudnn 下载cuDNN v7.1.3 for CUDA 8.0中的对应16.04的3个Deb文件.(也可以通过.tzr
文件安装,但我更偏向用deb
文件,比较方便。(若已下载,直接在文件所在文件夹打开终端进行第2步骤)下载完以后点击下载页面的 Installation Guide 按照2.3.2的方法进行安装
sudo dpkg -i libcudnn7_7
(Tab键)
sudo dpkg -i libcdnn7-dev
(Tab键)
sudo dpkg -i libcdnn7-doc
(Tab键)
注:在终端下,通过tab
键可以快速补全,避免输入错误
4. 配置环境变量
1.终端输入sudo gedit /etc/profile
在末尾加入
PATH=/usr/local/cuda-8.0/bin:$PATH export PATH
然后保存
2.保存后,创建链接文件
sudo gedit /etc/ld.so.conf.d/cuda.conf
增加下面一行
/usr/local/cuda-8.0/lib64
然后在终端输入sudo ldconfig
使链接生效。
5. 离线安装cond
打开 anaconda所在文件 打开终端 输入bash Anaconda3-5.1.0-linux-x86_64.sh
注意:VScode 输入no
6. 配置pytorch
若是在线安装打开终端,输入conda install pytorch torchvision -c pytorch
若是已下载好pytorch文件,离线安装,打开离线包所在地,打开终端,输入pip install torch-***.whl
(Tab键)
并通过pip install
方式安装torchvision.
注:推荐采用离线安装方式
7. 测试pytorch
在终端窗口中输入
import torchtorch.cuda.is_available()
如果出现的是True
就说明已成功安装好了pytorch并正确识别了cuda
8. 感悟
Cuda是NVIDIA公司用于显卡计算支持的一个开发库,而Cudnn是在Cuda的基础上,为了深度学习而开发的运行库,其本质就是.h
头文件,.lib
和.dll
(Windows下)和.so
(Linux下)的一系列的库。我们配置cuda和cudnn,除了安装的过程,就是修改系统的环境变量path以及建立各种链接,使得能够被识别的过程。
修改环境变量的方式不止一种,其实我个人更习惯于在.bashrc
中修改,完成后保存并通过source .bashrc
生效的方式,这一种和上面所写的方法,就体验上而言并无本质差别,具体的可以自行百度Linux环境变量。
另外,pytorch
是一个简洁的深度学习框架,相比起来tensorflow
,我感觉pytorch
更适合用来做学术。而随着caffe2
的代码全部并入pytorch
,我坚信pytorch
会越来越火。其识别和调用显卡,也是要根据系统的环境变量和各种链接去找到。
深度学习不易,且行且珍惜。