deepin15.9安装PyTorch,cuda和cudnn

本文详细介绍了在Deepin15.9系统中安装PyTorch、CUDA和CUDNN的步骤,包括更换软件源、安装NVIDIA驱动、CUDA工具包、cuDNN库以及设置环境变量等关键环节。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

deepin安装pytorch,cuda,cudnn


本文针对deepin15.9

  1. 进入Bios关闭集成显卡
  2. 对deepin换源
第一步:备份官方默认源
sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak
第二步:打开sources.list
sudo gedit /etc/apt/sources.list
第三步:换源
## Generated by deepin-installer
deb [by-hash=force] http://mirrors.ustc.edu.cn/deepin panda main contrib non-free
#deb-src http://mirrors.ustc.edu.cn/deepin panda main contrib non-free
  1. 打开deepin系统中的深度显卡驱动管理器,切换为闭源
    (或者通过禁用nouveau驱动手动选择对应的驱动进行安装),两种方法均需重启.

  2. 安装nvidia-smi

sudo apt install nvidia-smi
  1. 安装cuda(源内版本目前为9.1)
sudo apt install nvidia-cuda-dev nvidia-cuda-toolkit nvidia-nsight nvidia-visual-profiler

安装完毕之后,可以使用 nvcc -V 验证

  1. 安装cudnn
    先解压,使用管理员权限将解压后的文件cuda复制到/usr/local/
    文件下(我选的是cudnn7.3.1)。然后赋予读写权限:
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

使用gedit ~/.bashrc,在文末添加环境变量:

# cuda
export LD_LIBRARY_PATH="/usr/local/cuda/lib64:$LD_LIBRARY_PATH"
  1. 安装anaconda
conda create -n PyTorch python=3.6  # 创建PyTorch环境
conda activate PyTorch  # 激活环境
  1. 安装PyTorch
conda install pytorch torchvision cudatoolkit=9.0  # 比起官网少了-c pytorch,这是因为使用了中科院的镜像源
  1. 在pycharm中进行验证:
import torch
print(torch.cuda.is_available())  # 打印True安装成功
a = torch.tensor(1.)
b = a.cuda()
print(b)
### 安装准备 对于 Deepin Linux 发行版而言,在安装 CUDA cuDNN 前需确认 NVIDIA 显卡驱动已成功安装并正常工作。可以通过命令 `nvidia-smi` 来验证显卡状态以及当前使用的驱动版本[^3]。 ### 下载 CUDA 工具包 前往[NVIDIA官方网站](https://developer.nvidia.com/cuda-downloads),选择适合的操作系统版本(Deepin基于Debian),下载对应版本的CUDA工具包。考虑到兼容性稳定性,建议选用官方推荐版本而非通过其他渠道获取的二进制文件[^2]。 ### 执行 CUDA 安装脚本 由于直接利用包管理器可能会遭遇依赖关系冲突等问题,采用运行官方提供的`.run`安装程序更为稳妥: ```bash sudo bash cuda_<version>_linux.run --toolkit --toolkitpath=/usr/local/cuda --librarypath=/usr/local/cuda --silent ``` 此命令指定了具体的安装路径,并静默执行安装过程以减少交互操作带来的不确定性。 ### 配置环境变量 编辑用户的 shell profile 文件(如 `.bashrc` 或者 `.zshrc`),追加如下内容以便于后续开发工作中调用 CUDA 编译器及相关工具链: ```bash export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH ``` 使更改生效可重新加载配置文件或重启终端会话。 ### 获取并部署 cuDNN 库 访问[NVIDIA cuDNN页面](https://developer.nvidia.com/rdp/cudnn-archive),依据所安装CUDA 版本挑选相匹配的 cuDNN 版次完成注册登录后的下载动作。解压后将其中的内容复制到先前指定好的 CUDA 安装目录下覆盖默认资源即可。 ### 测试安装成果 编写一段简单的测试代码来检验整个设置是否正确无误地完成了集成。可以尝试编译运行一个标准示例项目或是自行构建一个小规模神经网络模型来进行初步的功能性检测[^4]。
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