rtx3060在ubuntu18.04下安装cuda和pytorch

linux安装显卡驱动

首先要为我们的电脑装上nvidia的驱动,但是之后装cuda的时候还会有涉及到装驱动的,但现有的教程在那个步骤都是直接跳过安装驱动,所以我们还是在前期先把驱动装好吧。具体步骤见nvida显卡驱动安装


安装anaconda:

安装anaconda是为了能使用虚拟环境去安装pytorch,之后还可以建个环境安tensorflow。即使出错了也可以直接删除就是。

安装anaconda

安装好anaconda可以配置一个清华源,速度会快很多。

清华镜像源

### 安装配置 CUDA 以支持 RTX 3060 #### 准备工作 为了确保 GeForce RTX 3060 能够兼容当前的 PyTorch 或其他深度学习框架,需要确认所使用的显卡计算能力 (sm_86) CUDA 版本相匹配[^1]。 #### 下载并安装 NVIDIA 驱动程序 通过终端执行命令 `sudo bash` 并跟随驱动文件名来启动安装过程。当提示是否运行 nvidia-xconfig 工具自动更新 X 配置以便重启时使用 NVIDIA 显示器驱动程序时,应选择 "yes"[^2]。 #### 获取适合的 PaddlePaddle 安装包 对于特定版本的需求,比如在 Ubuntu 18.04 上部署 PaddlePaddle GPU 版本 2.0.2 的情况,如果官方文档未提供直接指导,则可以访问[PaddlePaddle稳定版下载页面](https://paddlepaddle.org.cn/whl/stable.html),从中查找适用于目标环境的具体安装命令。例如: ```bash pip install paddlepaddle-gpu==2.0.2.post110 -f https://paddlepaddle.org.cn/whl/stable.html ``` 此操作有助于获取与所需 CUDA 版本一致的库文件[^3]。 #### 安装 CUDA Toolkit 及 cuDNN 库 前往[NVIDIA 开发者网站](https://developer.nvidia.com/cuda-downloads)下载最新或指定版本的 CUDA Toolkit,并按照说明完成安装流程;同样地,在同一站点内寻找 cuDNN SDK 进行额外设置。这一步骤至关重要,因为它提供了必要的工具链以及优化过的深层神经网络原语实现,从而加速训练过程中的性能表现。 #### 设置环境变量 编辑用户的 `.bashrc` 文件(或其他 shell 初始化脚本),加入如下路径声明: ```bash export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH ``` 之后记得刷新配置使之生效: ```bash source ~/.bashrc ``` #### 测试安装成果 编写简单的 Python 程序验证 TensorFlow、PyTorch 或 PaddlePaddle 是否能够识别到已安装好的 GPU 设备。可以通过调用相应 API 来查询可用硬件资源列表,如 PyTorch 中的 `torch.cuda.is_available()` 方法返回 True 即表示成功检测到了 GPU 支持。
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