cuda install

部署运行你感兴趣的模型镜像
1. sudo apt-get install mesa-common-dev freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev


2. /etc/modprobe.d/blacklist.conf添加:
blacklist amd76x_edac
blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist nvidiafb
blacklist rivatv


更新内核: sudo update-initramfs -u


3. 卸载旧驱动:sudo apt-get remove --purge nvidia*


4. ctrl+alt+f1进入终端界面。 sudo service lightdm stop


5. sudo sh cuda_8.0.27_linux.run --no-opengl-libs --verbose 进行安装一路enter和y即可。


6. 配置环境变量 在/etc/profile添加: 
PATH=/usr/local/cuda-8.0/bin:$PATH
export PATH


执行 source /etc/profile使其生效


7. 添加库搜索路径。在 /etc/ld.so.conf.d/添加文件cuda.conf,内容为: 
/usr/local/cuda-8.0/lib64


执行 sudo ldconfig使其生效


8. 执行nvidia-smi测试是否安装成功

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

### 安装CUDA并使用pip安装Python包 对于希望在其环境中配置CUDA以便能够加速基于GPU的应用程序开发的开发者来说,正确设置环境至关重要。当涉及到具体操作时,在Windows操作系统上可以通过访问NVIDIA官方网站获取适用于特定系统的CUDA Toolkit版本[^1]。 一旦完成CUDA本身的安装之后,为了使Python项目可以充分利用GPU资源,则需进一步确保PyTorch及其依赖项被适当地安装到Python环境中。这通常意味着要选择与已安装CUDA版本兼容的PyTorch版本。例如,如果已经成功安装CUDA 11.7,那么可以在命令提示符或者Anaconda Prompt中执行如下指令来安装支持该版CUDA的PyTorch: ```bash pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117 ``` 上述命令会从指定索引URL下载适合于CUDA 11.7平台的PyTorch及相关库,并自动处理它们之间的依赖关系[^2]。 另外一种方式是通过`pip`直接安装CUDNN组件作为替代方案之一。虽然官方推荐的是通过Conda渠道来进行此类操作(`conda install cudatoolkit`),但对于那些偏好Pip工具链的人来说,也可以考虑采用类似于`pip install nvidia-cudnn-*`这样的方法来引入必要的CUDNN功能[^3]。不过需要注意的是,这种方法可能不如前者稳定可靠,因此建议优先尝试Conda途径除非有特殊需求或限制条件阻止这样做。 #### 验证安装情况 在完成了以上步骤后,应该验证一下当前使用的PyTorch是否确实连接到了预期中的CUDA设备。可以通过下面这段简单的测试代码实现这一点: ```python import torch print(torch.cuda.is_available()) print(torch.version.cuda) ``` 这两行代码分别用来确认是否有可用的CUDA设备以及所链接的具体CUDA版本号。
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
 条评论被折叠 查看
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