linux下cuda开发环境搭建

本文详细介绍了如何在Linux环境下安装并验证CUDA环境,包括安装驱动、配置环境变量及验证安装成功的步骤。
部署运行你感兴趣的模型镜像

1. 准备工作

cuda_5.5.22_linux_32.run软件

2. 安装流程

⑴ 安装cuda_5.5.22_linux_32.run

① 关闭图形界面

   # vim  /etc/inittab

   将文本最后一行,id:5initdefault:”中的5改为3然后重启进入文本模式

② 在命令行以root用户身份安装驱动程序

  # sudo ./cuda_5.5.22_linux_32.run

出现用户协议,点击键盘q即可退出,然后在弹出的窗口中会要求你接受一个license,输入accept,如果有yes or no提示,全部点击yes,没有提示的点击回车,一直等待 安装完毕

配置CUDA Toolkit环境变量

(a)   # vim ~/.bashrc

(b)  在文件最下面添加如下行,用于添加cuda bin的路径到环境变量PATH
export PATH=$PATH:/usr/local/cuda/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib

:/usr/local/cuda/lib64

(c)  使配置生效,执行如下命令
# source ~/.bashrc

④ 开启图形界面,执行如下命令

    # vim /etc/inittab,将文本最后一行,id:3initdefault:”中的3改为5然后重启进入图形模式

       注:如果一切正常,图形界面会正常启动

3. 验证安装是否成功

(1)执行# nvidia-smi查看所安装的CUDA GPU,如果显示GPU型号和驱动版本,则说明CUDA运行环境安装成功

(2)执行# nvcc,如果提示no input file字样,表示环境变量配置成功

您可能感兴趣的与本文相关的镜像

PyTorch 2.8

PyTorch 2.8

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库,基于 Torch 库,底层由 C++ 实现,应用于人工智能领域,如计算机视觉和自然语言处理

### 配置 CUDA 开发环境以运行 PyTorch 为了使 PyTorch 能够利用 NVIDIA 的 GPU 加速计算,需要正确配置 CUDA 开发环境。以下是详细的说明: #### 1. 安装 CUDA 工具包 CUDA 默认会被安装到 `C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v{版本号}` 中[^1]。对于 Linux 用户,默认路径通常是 `/usr/local/cuda`。 如果未手动设置环境变量,则可以通过以下方式定位 CUDA 的安装位置: - 使用命令 `which nvcc` 找到编译器的位置,并获取其上级目录作为 CUDA 的根目录[^2]。 #### 2. 设置环境变量 为了让操作系统识别 CUDA 并将其集成到开发环境中,需定义如下环境变量之一: - **Windows**: 将 `%PATH%` 更新为包含 CUDA 的 bin 文件夹路径(例如:`C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v{版本号}\bin`)。此外可以创建一个新的系统变量名为 `CUDA_HOME` 或者 `CUDA_PATH` 来指向 CUDA 根目录。 - **Linux/MacOS**: 修改 `.bashrc` 或其他 shell 初始化脚本文件来添加类似的 PATH 和 LD_LIBRARY_PATH 变量声明。例如,在终端执行以下命令可临时测试效果: ```bash export CUDA_HOME=/usr/local/cuda export PATH=$CUDA_HOME/bin:$PATH export LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH ``` #### 3. 安装 cuDNN (可选但推荐) cuDNN 是由 NVIDIA 提供的一个深度神经网络库,它能显著提升训练速度。下载对应于所使用的 CUDA 版本的 cuDNN 后解压并复制相应文件至 CUDA 安装目录下即可完成部署。 #### 4. 安装 PyTorch 通过官方渠道选择适合当前系统的预构建二进制包进行安装是最简便的方法。访问 https://pytorch.org/get-started/locally/, 根据提示输入所需参数(如 OS 类型, Python 解释器版本,CPU/GPU 支持情况),获得 pip 命令后直接运行即可自动拉取依赖项以及适配好的 cuda toolkit 如果必要的话: ```python pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 ``` 此例子假设目标机器具备兼容 CUDA 11.8 的硬件条件;实际操作时应依据实际情况调整 URL 参数中的具体数值部分。 #### 5. 测试安装是否成功 编写一小段代码验证整个流程无误: ```python import torch print(torch.cuda.is_available()) # 输出 True 表明已启用GPU加速功能 print(torch.version.cuda) # 显示正在使用的cuda驱动程序版本信息 ``` 以上即完成了基于PyTorch框架下的基本CUDA编程环境搭建工作流概述.
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