配置服务器显卡RTX3090+CUDA11.1用于深度学习

最新推荐文章于 2025-10-11 17:12:24 发布
原创 最新推荐文章于 2025-10-11 17:12:24 发布 · 2.2k 阅读 · 3 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习 #cuda #ubuntu #anaconda

本文详细介绍了在Ubuntu系统中安装Anaconda3的步骤，解决普通用户无法使用conda的问题。接着，讲解了如何在Ubuntu 20.04上安装CUDA11及解决nvcc-V无法执行的常见问题。最后，阐述了如何安装并使用NoMachine远程桌面工具，实现远程桌面连接。
部署运行你感兴趣的模型镜像

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

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

小白搭建RTX3090环境对应的深度学习环境~tensorflow环境搭建/pytorch环境搭建
小姑仔的博客
12-28 2996
最近买了一块新出的RTX3090对应的GPU，主要就是想买块好点的GPU供以后的学习使用，搭建环境的过程中遇到了很多的阻碍，但是经过网上查阅资料等重重困难之后，最终还是成功地将这一块新型的GPU投入使用了，这里总结一下通过GPU搭建相应的学习环境中的对应的过程。 1.下载安装对应的驱动程序 这里我选择的对应驱动程序为456.55，下载驱动对应的网址为驱动程序网址 这里驱动程序安装没有特别大的难点，所以不作详细介绍了 2.下载安装对应的cuda以及cudnn程序 安装步骤可以参照这篇相应的博客内容 cuda和
实验室服务器从零配置深度学习环境记录（RTX 3090+Ubuntu 20.04+显卡驱动+CUDA 11.1+cudnn v8.1.0+Tensorflow 2.5.0+Pytorch 1.8.1）
weixin_51757891的博客
02-13 2495
最近第二次给实验室的服务器配置深度学习环境，很多步骤都忘了，又得找出各种地方收藏的帖子拼凑着看，还有一些新坑要查，就想写一篇总结记录，留着下次操作的时候方便查阅。 以下步骤有很多方法可以达到目的，我只是选择了其中一种，仅供参考。绝大多数步骤都止于完成目的，没有深刻的理解。如有疏漏，还请朋友们指正。
RTX 3090的深度学习环境配置指南：Pytorch、TensorFlow、Keras
weixin_36896856的博客
11-21 2929
点击上方“AI遇见机器学习”，选择“星标”公众号 重磅干货，第一时间送达来源 | 知乎编辑|极市平台作者 |Yukyin最近刚入了3090，发现网上写的各种环境配置相当混乱而且速度很...
【环境配置】Windows上安装（升级）Cuda11.6 + cudnn9.8 + pytorch 并测试
最新发布
一只数模菜鸡的博客
10-11 971
本文详细介绍了在RTX 3090显卡上更新CUDA 12.6和cuDNN 9.8环境的完整流程。首先通过NVIDIA控制面板确认显卡支持的CUDA版本上限，随后指导CUDA 12.6的下载安装与环境变量配置（采用变量化路径设计便于版本切换）。接着说明cuDNN的下载安装方法及必要的手动文件复制操作。最后提供PyTorch适配CUDA 12.6的安装指南，包括官网配置选择和具体安装命令。该方案解决了Python 3.7旧环境中的包兼容问题，为深度学习任务构建了稳定的GPU计算基础环境。
双路RTX3090深度学习工作站方案
热门推荐
weixin_54757969的博客
07-27 1万+
从我的双3090深度学习工作站Nvlink真正工作起的那一刻算起，历经两个月的装机项目最终画上了句号。其间经历了各种各样的波折，我就想记录下来，或者对别人有帮助。2023年4月，随着Chat-GPT的持续升温，国内各行各业的精英目光如炬，聚焦在AI一点上。彼时，我完全是一个外行，那么一丁点的知识都是从新闻稿里读出来的。加之使用Chat-GPT还要科学上网，就放弃了。4月下旬的一天，一位总部的同事忽然和我提到了ChtGLM-6B，重点强调这个模型的好处，一是开源，二是可以本地部署。
RTX NVIDIA 3090卡配置对应pytorch，CUDA版本，NVIDIA驱动过程及问题整理
lijunweiyhn的博客
09-20 9979
RTX NVIDIA 3090卡配置对应pytorch，CUDA版本（11.8或则12.2），NVIDIA驱动过程及问题整理
Ubuntu16.04 Anaconda+cuda11.1+cudnn+pytorch安装
bbettry的博客
10-04 1436
Ubuntu16.04 Anaconda+cuda+cudnn+pytorch安装一、Anaconda的安装与配置1.1Anaconda下载1.2Anaconda安装二、安装CUDA和CUDNN2.1NVIDIA驱动的安装2.2CUDA下载2.3CUDA安装2.4设置环境变量2.5CUDNN安装三、pytorch-torchvision安装 硬件环境：GPU RTX3090单卡。 一、Anaconda的安装与配置 1.1Anaconda下载 可以到Anaconda官网下载. 历史版本：https://rep
ubuntu20.04+rtx3070服务器配置ip+nvidia455.45.01+cuda11.1+cudnnv8.04.30教程
Maclaurin0的博客
12-28 591
1.配置ip： ip a 查看网卡编号比如 这里的ens33 我配的那台是 2:enp4s0 sudo nano /etc/netplan/00-installer-config.yaml 看到第四行有ens33 这里要改成自己的网卡编号，然后往下改自己的ip地址/掩码、网关、DNS 格式一定要注意 按照上面的方式对齐 空格不要丢 ctrl+o保存 按enter ctrl+x退出 sudo netplan apply ping www.baidu.com 看是否能联网 ctrl
RTX3090 安装ubuntu16.04 + cuda11.1.0 + cudnn8.0.4.30 + anaconda3-5.3.1 + pytorch1.7.1 stable
weixin_42150591的博客
12-25 2374
RTX3090 安装ubuntu16.04 +NVIDIA Driver 455.23.05 + cuda11.1.0 + cudnn8.0.4.30 + anaconda3-5.3.1 @写在前面碎碎念@ 团队新组装了一台服务器，被安排安装一个ubuntu16.04的系统，自己什么就都不知道，然后在网上就是一顿查，用了大概一两天时间才把系统装好，把一些cuda环境什么的安装完，能正常的跑起来网络了。 这个文章是我在安装完系统之后写的，里面可能没有一些详细的截图什么的，就是记录一下整个操作过程，以及遇到的
【PyTorch】切记：GeForce RTX 3090 显卡仅支持 CUDA 11 以上的版本！
XavierJ的博客
08-23 1万+
得知 PyTorch 1.7.0 开始才支持 CUDA 11，所以要使用 GPU 训练的话，必须安装 PyTorch 1.7.0 及以上版本。前不久给新来的 2台 8 张 GeForce RTX 3090 服务器配置了深度学习环境（配置教程参考。原来是 GeForce RTX 3090 显卡仅支持 CUDA 11 以上的版本！文章），最近在使用的时候却遇到了各种问题。
Win10 + RTX3090 安装CUDA + CUDNN
weixin_46713695的博客
12-14 2507
Win10 + RTX3090 安装CUDA + CUDNN
（GTX3090 tensorflow2.4 2.5 CUDA 11.0 配置心得 ）之《我的时间是怎么浪费的》
穿拖鞋的都是大佬
04-23 2616
开题：gtx3090 cuda 11.0 tensorflow 2.4 2.5 这些版本我没配置成功。 从泰坦显卡转战3090，今天下午配置环境。先是安装了TF2.2.没想到只能调用CPU训练。于是我安装 tf2.4 以及没发布的tf2.5. 均未果。 以下是我尝试的一些方法： 首先安装官网给出的步骤，安装TF2.4 pip install tensorflow==2.4.0 跑代码，结果出现如下报错： Your CUDA software stack is old. We fallback to
Win10+Pycharm+Anaconda+CUDA11.1+cuDNN+pytorch
qq_38846606的博客
03-29 872
Win10+Pycharm+Anaconda+CUDA10+cuDNN安装配置AnacondaPycharmCUDA查看当前显卡信息配置CUDNN 安装配置 系统： Windows10 显卡： GTX1080Ti VisualStudio： 2017 Python： 3.7.3 CUDA： 10.0 cuDNN： 7.6.0 Tensorflow-gpu： 1.13.1 Anaconda 首先在官网上下载Anaconda Anaconda安装基本是一路next就行，其中有两个地方需要注意。 选择Just
GeForce RTX 3090无法使用mmsegmentation官方推荐cuda版本
111辄的博客
09-03 1536
mmsegmentation推荐的是PyTorch 1.6.0 and CUDA 10.1，但是在服务器GeForce RTX 3090上出现warning：GeForce RTX 3090 with CUDA capability sm_86 is not compatible with the current PyTo
ubuntu18.04 +CUDA11.1 + pytorch1.8.1 环境配置
shuaijieer的博客
06-30 2244
ubuntu系统必备软件的安装
关于CUDA版本为11.1的pytorch的安装步骤说明
Cv工程师的博客
03-31 6863
本文讲述了在CUDA11.1下的伙伴们如何安装pytorch并进行验证
项目组新服务器（rtx3090）使用指南
qq_24274689的博客
06-13 2120
项目组服务器使用指南 2 用户创建等基本操作（管理员使用） 2.1 用户创建 使用root账户，创建账户： 创建该账户密码： 2.2 用户删除 使用root账户，删除账户： 2.3 用户权限 在毕业时刻，开放个人数据备份的文件夹的可读可写权限，让每个毕业生将其个人数据做备份，之后改回只读权限。 使用rtx3090账户开放权限： 使用rtx3090账户改回只读权限： 3 连接服务器基本操作 3.1 与服务器快速交互 本项目组目前做法主要为Xshell+winscp组合 安装Xshell和......
深度学习（3090）装机
Disturbet_July的博客
09-06 1255
4.内存上，DDR5比ddr4提升还是比较大的，而且ddr5和ddr4的主板不兼容，以后一定是ddr5的天下，所以选择未来，选择ddr5。英伟达已经在并行计算领域深耕多年，搭配其cuda生态，用户可以很方便的完成大模型的本地部署，并行计算和深度学习模型的修改搭建等。2.人工智能专业的同学在学习深度学习和强化学习等的时候需要很大的并行计算的算力，部署和调试大语言模型需要尽可能大的内存空间。6.大语言模型非常占内存，比如千问2-72B有进400GB之大（虽然我跑不了），所以，购买2条1t ssd硬盘。
探索RTX 3090的强大性能与游戏体验
tiangang2024的博客
01-15 1219
在这篇文章中，我们将深入探讨RTX 3090的强大性能与当今游戏体验。通过分析其架构、图形处理能力和多种先进特性，读者将了解到RTX 3090如何在高负载游戏中轻松应对极限画质，以及其在实时光追和AI加速方面的卓越表现。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

irober

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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