| 安装Nvidia驱动并使用Anaconda搭建GPU环境（安装CUDA）+ PyTorch + TensorFlow + PyTorch Lightning | 您所在的位置：网站首页 › nv 剪辑软件 › 安装Nvidia驱动并使用Anaconda搭建GPU环境（安装CUDA）+ PyTorch + TensorFlow + PyTorch Lightning |
|
前言： 准备在实验室的一个服务器上用GPU的，但是这个服务器好久没有人用了，cuda还是10.0版本，需要重装cuda，嫌麻烦，然后发现Nvidia官网居然有anaconda安装CUDA的教程，所以考虑使用anaconda来做。 我是在Linux上安装的，但是理论上Windows和Linux用anaconda的部分是没有什么区别的。 安装好Anaconda和驱动的朋友可以直接跳到 安装cuda 的部分。 目录： 安装Anaconda： 安装Nvidia驱动： 安装cuda： 有一块GPU 检查Linux 有gcc compiler and toolchain conda安装 验证CUDA安装是否成功 安装PyTorch 验证GPU是否能用 选修： 安装PyTorch-Lightning 安装TensorFlow 如果你的Anaconda、CUDA、Nvidia驱动全都安装好了，可以直接复制下面命令。没有的话，或者不确定的、或者想了解一下的可以往下看看 conda create -n python3.9 python=3.9 -y conda activate python3.9 conda install cuda -c nvidia/label/cuda-11.3.0 -c nvidia/label/cuda-11.3.1 -y conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch -y python import torch print("cuda" if torch.cuda.is_available() else "cpu") 安装Anaconda：这个教程太多啦，我就跳过了 安装之前还是建议新建一个虚拟环境，免得把base环境搞崩了，麻烦的要死。血和泪的教训啊！ 安装Nvidia驱动：我研究了半天为什么pytorch一直调用cuda失败，查了很多资料。我是万万没有想到，服务器上都有了cuda10.0了，居然还没有英伟达驱动。他们之前的人是没发现自己使用GPU失败了吗。。。 这个Windows上很简单啦，就自己解决一下 Linux上我是纯文本界面，参看的是这个：CentOS7服务器安装GPU显卡驱动和CUDA简单方法_Galaxy的博客-CSDN博客_centos安装gpu 不用手动编译什么的，还是挺简单的： # 导入源 rpm --import https://www.elrepo.org/RPM-GPG-KEY-elrepo.org rpm -Uvh https://www.elrepo.org/elrepo-release-7.0-3.el7.elrepo.noarch.rpm yum install nvidia-detect nvidia-detect # 我的是kmod-nvidia # 安装 yum install $(nvidia-detect) # 重启 reboot #验证 nvidia-smi # 如下就是成功啦 +-----------------------------------------------------------------------------+ | NVIDIA-SMI 470.94 Driver Version: 470.94 CUDA Version: 11.4 | |-------------------------------+----------------------+----------------------+ | GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC | | Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. | | | | MIG M. | |===============================+======================+======================| | 0 NVIDIA GeForce ... Off | 00000000:02:00.0 Off | N/A | | 34% 36C P8 7W / 257W | 18MiB / 11016MiB | 0% Default | | | | N/A | +-------------------------------+----------------------+----------------------+ +-----------------------------------------------------------------------------+ | Processes: | | GPU GI CI PID Type Process name GPU Memory | | ID ID Usage | |=============================================================================| | 0 N/A N/A 1753 G /usr/bin/X 9MiB | | 0 N/A N/A 2329 G /usr/bin/gnome-shell 6MiB | +-----------------------------------------------------------------------------+ 安装cuda：详情可以看看英伟达的官网 具体步骤如下： 有一块GPU lspci | grep -i nvidia有输出基本上就ok啦，也可以去官网自己查一下自己的gpu支不支持。我的是一块2080Ti，就直接跳过了。 检查Linux uname -m && cat /etc/*release输出如下就ok # 输出如下 x86_64 CentOS Linux release 7.9.2009 (Core) NAME="CentOS Linux" VERSION="7 (Core)" ID="centos" ID_LIKE="rhel fedora" VERSION_ID="7" PRETTY_NAME="CentOS Linux 7 (Core)" ANSI_COLOR="0;31" CPE_NAME="cpe:/o:centos:centos:7" HOME_URL="https://www.centos.org/" BUG_REPORT_URL="https://bugs.centos.org/" CENTOS_MANTISBT_PROJECT="CentOS-7" CENTOS_MANTISBT_PROJECT_VERSION="7" REDHAT_SUPPORT_PRODUCT="centos" REDHAT_SUPPORT_PRODUCT_VERSION="7" CentOS Linux release 7.9.2009 (Core) CentOS Linux release 7.9.2009 (Core) 有gcc compiler and toolchain gcc --version输出如下就ok # 输出如下 gcc (GCC) 4.8.5 20150623 (Red Hat 4.8.5-44) Copyright © 2015 Free Software Foundation, Inc. 本程序是自由软件；请参看源代码的版权声明。本软件没有任何担保； 包括没有适销性和某一专用目的下的适用性担保。没有的话（CentOS）： yum install gcc gcc-c++ kernel-devel conda安装以下的步骤建议还是创建一个虚拟环境然后再来弄，免得搞崩base。 conda create -p /home/CV python=3.9 -y conda activate /home/CV直接conda install就ok了，但是下载的很慢。根据我的经验，要是你是在Windows上的话建议用cmd来弄，我总感觉anaconda prompt下载时间长了总是会自己结束了。我是服务器上面的，直接挂着就是了。 conda install cuda -c nvidia指定版本： conda install cuda -c nvidia/label/cuda-11.3.0 conda install cuda -c nvidia/label/cuda-11.3.0 -c nvidia/label/cuda-11.3.1上面两个都是安装11.3版本，截至2021.12.16，CUDA最新版本已经到了11.5了，但是我看PyTorch只有 cudatoolkit 11.3的文件，所以保守起见我安装的是11.3。你也可以直接自己尝试一下11.5 验证CUDA安装是否成功经过特别漫长的等待，测试一下安装是否成功 nvcc -V我的输出如下： nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2021 NVIDIA Corporation Built on Sun_Mar_21_19:15:46_PDT_2021 Cuda compilation tools, release 11.3, V11.3.58 Build cuda_11.3.r11.3/compiler.29745058_0主要是看release后面是否正确啊，我安装的就是11.3版本。 安装PyTorch官网 我是Linux CUDA=11.3 conda安装，都选好，指令如下： conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch注意如果是安装1.10版本的PyTorch的话建议不要把 -c pytorch取消了，我之前翻清华源是没有1.10版本的，现在不确定了，你可以自己检查一下 验证GPU是否能用 # !/usr/bin/env python import torch print("cuda" if torch.cuda.is_available() else "cpu")输出cuda，或者你直接 # !/usr/bin/env python import torch print(torch.cuda.is_available())输出True 选修： 安装PyTorch-Lightning最近发现Torch写了个高级API——pytorch-lightning，决定安装上学习一下 conda install -c conda-forge pytorch-lightning我建议可以一起装上，万一就是下一个keras了呢 安装TensorFlow conda install -c conda-forge tensorflow然后就结束啦！可以从用CPU炼金到用GPU更快地炼金啦！ |
| CopyRight 2018-2019 实验室设备网 版权所有 |