在Ubuntu 20.04.6 LTS系统下nvidia cuda cudnn anaconda安装,pip conda换成清华源

安装nvidia驱动

1、查看可用的驱动

ubuntu-drivers devices

2、安装nvidia驱动

sudo apt install nvidia-driver-xxx

请添加图片描述

3、重启电脑可以看到显卡显示为NVIDIA Corporation

请添加图片描述

安装cuda

1、查看nvidia驱动安装情况并查看cuda的可安装版本

nvidia-smi

请添加图片描述
结果显示可以安装cuda12.2以下的版本

2、下载cuda安装程序

(1)进入cuda官网
请添加图片描述
(2)选择低于12.2的的cuda版本
请添加图片描述(3)运行图片中两行指令

wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run

在这里插入图片描述

sudo sh cuda_11.8.0_520.61.05_linux.run

(4)按一次“向下”键,按enter
在这里插入图片描述
(5)输入accept,按enter
在这里插入图片描述
(6)按一次enter(不选择Driver),再按几次“向下”键,按enter
在这里插入图片描述
(7)安装完成
在这里插入图片描述

3、添加cuda相关的环境变量

(1)打开.bashrc配置文件

vim ~/.bashrc

(2)在文件最后写

export PATH=/usr/local/cuda/bin:$PATH
export CUDA_HOME=/usr/local/cuda
export LD_LIBRARY_PATH=/usr/local/cuda/lib64
export NUMBAPRO_NVVM=/usr/local/cuda/nvvm/lib64/libnvvm.so
export NUMBAPRO_LIBDEVICE=/usr/local/cuda/nvvm/libdevice/

(3)刷新配置

source ~/.bashrc

安装cudnn

1、进入官网

在这里插入图片描述

2、选择Local Installer for Linux x86_64(Tar),这一步需要在官网注册一下,跟着引导点就行了

(1)下载好之后解压

tar -xvf cudnn-linux-x86_64-8.9.5.30_cuda11-archive.tar.xz 

在这里插入图片描述

(2)进入cudnn文件夹,依次输入以下命令

cd cudnn-linux-x86_64-8.9.5.30_cuda11-archive
sudo cp include/* /usr/local/cuda/include/
sudo cp lib/* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

显示下图表示安装成功了
在这里插入图片描述

安装anaconda

1、进入官网

在这里插入图片描述### 2、选择下载64-Bit (x86) Installer (1007.9M)
输入以下命令

chmod +x Anaconda3-2024.06-1-Linux-x86_64.sh
# 前面不要加sudo,否则会安装到root目录下,需要管理员权限才能使用conda
./Anaconda3-5.3.0-Linux-x86_64.sh
# 安装过程中按enter和yes,不要写no,否则conda的环境变量需要自己配置

3、重启shell终端,查看conda版本

conda -V

pip换清华源

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

conda换清华源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --set show_channel_urls yes
### TensorFlow-GPU在Ubuntu系统安装教程 #### 准备工作 为了确保TensorFlow-GPU能够顺利运行,在开始之前需确认已满足一些基本条件。操作系统应为支持的版本,如Ubuntu 20.04 LTS,并且已经正确设置了CUDAcuDNN环境[^1]。 #### 创建Python虚拟环境 建议在一个独立的Python环境中操作以避免依赖冲突。可以利用Anaconda来管理这个过程: ```bash # 更新包索引并升级现有软件包 sudo apt update && sudo apt upgrade -y # 安装MinicondaAnaconda(如果尚未安装) wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh # 关闭终端再重新打开使更改生效后执行如下命令创建新环境 conda create --name tf_gpu python=3.9 conda activate tf_gpu ``` #### 配置国内镜像加速下载速度 对于位于中国的开发者来说,可以通过设置清华或其他国内源加快Conda以及pip的资源获取效率: ```bash # 设置Conda使用清华大学镜像源 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes # 更改Pip默认源至阿里云或其它更快速的服务提供商 pip install pip -U pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/ ``` #### 安装必要的库文件和支持工具 接下来要准备的是安装NVIDIA驱动程序、CUDA Toolkit及cuDNN SDK。这部分通常由WSL下的Windows端完成,因为GPU硬件是由宿主机提供给Linux系统的。当这些都准备好之后就可以继续下一步了。 #### 安装TensorFlow GPU版 现在可以在激活好的`tf_gpu`环境下通过pip轻松地安装适合当前平台架构的TensorFlow版本: ```bash pip install tensorflow-gpu==2.10.* # 版本号取决于个人需求调整 ``` #### 测试安装成果 最后一步就是验证一切正常运作。这可通过简单的Python脚本来实现: ```python import tensorflow as tf print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU'))) ``` 上述代码会打印出可用GPU的数量;如果有任何大于零的结果,则说明配置成功[^2]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值