双系统装显卡驱动,anaconda开两个虚拟环境分别装tf-gpu,torch-gpu,不同cuda版本下两个虚拟环境切换安装不同版本框架

注:a.电脑显卡:gtx2060
系统:ubuntu16.04
显卡驱动:440.59(装最新的驱动的原因是支持最新的cuda10.2,可支持多种cuda)
显卡驱动:cuda10.2
tf:tensorflow-gpu:1.14 ,cuda:10.1,cudnn:7.6.5
torch:pytorch:1,5,torch:0.6,cuda:10.2,cudnn:7.6.5

b,nvcc -V是电脑默认驱动,nvidia-smi是显卡驱动,两者不一定相同,且装多个虚拟环境,可切换nvcc -V下的cuda版本,以装不同cuda版本的框架。

1.显卡驱动安装:根据自己版本官网下载

参考:https://blog.youkuaiyun.com/xinjieyuan/article/details/95628588

问题1:安装显卡驱动后循环登录:

原因是安装驱动失败,无法进入系统,需卸载重新安装,另外:借鉴https://blog.youkuaiyun.com/Daisy_D99/article/details/83046665?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase重新安装

问题2:安装过程中出现you appera to be running~的问题

  • ctrl+alt+f1进入图形界面
  • sudo service lightdm stop
  • sudo init 3

继续按照上述步骤安装。

安装成功后:nvidia-smi可以查看驱动、cuda信息。

如图:驱动版本为440.59,cuda版本为10.2

2.tf-gpu安装

官网查看cuda版本、cudnn版本、tensorflow-gpu版本对应关系,官网链接

我下载的tensorflow-gpu版本为1.14,官网cuda版本为10.0,但我在使用conda安装过程中,cuda版本为10.1,所以下载cuda10.1,

另外cudnn版本为7.6.5,在anaconda下开一个虚拟环境,下载过程参考:https://blog.youkuaiyun.com/xinjieyuan/article/details/100667803

由于电脑cuda驱动版本为10.2,而tf需要cuda10.1,切换cuda版本:https://blog.youkuaiyun.com/qq_39068872/article/details/89929307

之后,nvcc -v版本为10.1,使用conda安装tf,安装成功后:tf.test.is_gpu_available()返回ture。安装成功。

3.torch-gpu安装。

重新官网下载cuda10,2,cudnn7.6.5,之后切换cuda版本,重开一个虚拟环境,使用清华源conda安装pytorch。

安装成功后,测试:

安装成功。

 

 

安装TensorFlow 2.3.1 GPU 版本通常需要一些额外步骤,因为TensorFlow会检测到可用的GPU并自动选择合适的库。如果你想要手动指定版本并且启用GPU支持,可以按照以下步骤操作: 1. **下载pip包**: 使用命令行工具(如`cmd`、`powershell`或`bash`),运行: ``` pip install tensorflow==2.3.1 ``` 这样可能会安装CPU版本,如果需要GPU,接下来需要安装CUDA和cuDNN。 2. **安装CUDA和cuDNN**: - 首先,访问NVIDIA官网下载CUDA Toolkit:https://www.nvidia.com/Download/index.aspx - 下载对应你系统的CUDA版本,并安装- 安装完成后,找到CUDA的include和lib文件夹路径。 - 对于cuDNN,去NVIDIA Developer网站下载cuDNN:https://developer.nvidia.com/cudnn - 将cuDNN库添加到系统路径中,或者复制到Python的site-packages目录下。 3. **修改环境变量**: - 在环境变量中设置`CUDA_HOME`指向CUDA Toolkit安装路径。 - 如果使用Anaconda,可以在`~/.condarc`文件中添加环境变量,例如: ``` conda config --set env:CUDA_HOME=/path/to/CUDA conda config --set channels=nvidia ``` - 如果使用pip,可能需要创建一个虚拟环境来隔离依赖。 4. **安装TensorFlow-GPU**: 在终端中,通过以下命令安装针对GPU的TensorFlow: ``` pip install tensorflow-gpu==2.3.1 ``` 或者使用CUDA和cuDNN的路径信息: ```sh pip install --extra-index-url https://download.pytorch.org/whl/torch_stable.html torch torchvision torchaudio cpuonly-cuda10.2-cudnn7-ubuntu18.04 -f https://data帛书存储网盘地址/your_downloads/tensorflow_gpu-2.3.1-cp37-cp37m-linux_x86_64.whl ``` 5. **检查安装**: 打Python交互模式(`python`或`ipython`),尝试导入TensorFlow并查看是否加载了GPU加速: ```python import tensorflow as tf print("Num GPUs Available: ", len(tf.config.list_physical_devices('GPU'))) ``` 记得替换上述命令中的URL和路径为你实际的下载位置。
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