Linux指令汇总-配置深度学习环境、安装CUDA等常用的指令

本文详细介绍了conda环境管理的基本指令,包括虚拟环境的创建、移除、复制和激活等,同时涵盖了如何指定GPU运行Python程序、加速pip安装、安装特定版本的PyTorch以及查询CUDA和cuDNN版本的方法。此外,还提供了Linux下文件操作、服务器连接和基本目录管理的实用命令。

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

conda基本指令

    查看当前有哪些虚拟环境

    conda info -e

    创建虚拟环境并指定python版本

    conda create -n envs_name python=3.6

    移除虚拟环境

    conda remove -n envs_name --all

    复制某个环境

    conda create --name new_envs_name --clone old_envs_name

    激活/退出某个环境

    source/conda activate envs_name

    source/conda deactivate envs_name

    查看当前环境下已安装包的列表

    conda list

 

终端指定GPU,运行Python程序

    CUDA_VISIBLE_DEVICES=0,2,3 python test.py

 

pip临时使用国内软件源加速(或者用其他源)

    pip install package_name -i https://pypi.tuna.tsinghua.edu.cn/simple 

 

安装指定版本的pytorch及CUDA的指令,亲测最好用的方式,先查看自己的CUDA版本

    conda(pip) install pytorch==0.4.0 torchvision cuda80 -c pytorch

 

查看CUDA及cudnn版本

    CUDA版本

    cat /usr/local/cuda/version.txt  

    nvcc -V

    cudnn版本

    cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

 

切换当前使用CUDA版本,自己的理解,建立cuda指向cuda-9.2的软连接,如下图自己配置了两个cuda(分别对应不同版本的cudnn),cuda9.0和cuda9.2,删除指向9.0的,指向9.2

    sudo rm -rf cuda

    sudo ln -s /usr/local/cuda-9.2 /usr/local/cuda

 

文件夹操作

    移动文件位置

    mv指令

    创建文件夹指令

    mkdiv 文件夹名   

    用文件默认的打开方式来打开文件

    xdg-open filename

 

服务器相关指令

    连接服务器

    ssh lab111@192.168.00.000

    上传文件到服务器

    scp '...'(本地文件路径) lab111@ip:~/...(文件目录)

 

Linux “/”和“~”的区别

     ”/“是根目录,”~“是家目录。Linux存储是以挂载的方式,相当于是树状的,源头就是”/“,也就是根目录。而每个用户都有”家“目录,也就是用户的个人目录,比如root用户的”家“目录就是/root,普通用户lab的家目录就是/home/lab

### 安装CUDA 12并配置深度学习环境 为了在Linux服务器上成功安装CUDA 12并构建完整的深度学习环境,以下是详细的说明: #### 环境准备 确保操作系统已更新至最新状态。对于基于Debian的系统(如Ubuntu),可以执行以下命令来更新软件包列表和升级现有软件包[^1]: ```bash sudo apt update && sudo apt upgrade -y ``` #### 下载与安装CUDA 12 访问NVIDIA官方下载页面获取适用于目标操作系统的CUDA工具包。通常建议通过.run文件或.deb/.rpm包形式完成安装。例如,在Ubuntu环境下可采用如下方式: ```bash wget https://developer.download.nvidia.com/compute/cuda/12.x/linux/ubuntu/x86_64/cuda-repo-ubuntuXX_X_x86_64_12.0.0-1_all.deb sudo dpkg -i cuda-repo-*.deb sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/ubuntuXX/x86_64/7fa2af80.pub sudo apt-get update sudo apt-get install -y cuda ``` 注意替换`X`为实际版本号以及架构匹配项。 #### 配置环境变量 编辑用户的`.bashrc`或者全局的`/etc/profile.d/cuda.sh`脚本来加入必要的路径定义: ```bash export PATH=/usr/local/cuda-12/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-12/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} ``` 使更改生效需重新加载shell会话或直接运行source指令: ```bash source ~/.bashrc ``` #### GPU驱动验证及自动安装 如果未检测到合适的图形处理器驱动程序,则按照指引利用内置工具解决可能存在的兼容性问题[^4]: ```bash sudo ubuntu-drivers devices sudo ubuntu-drivers autoinstall ``` #### CUDNN集成 尽管当前关注的是基础框架搭建,但后续必然涉及CUDNN库的支持情况。鉴于其重要性和普遍适用范围,应参照专门文档进一步处理[^2]。 #### 测试CUDA功能 最后一步是确认整个流程无误,可以通过编译示例项目来进行初步检验: ```bash cd /usr/local/cuda/samples/1_Utilities/deviceQuery make ./deviceQuery ``` 正常情况下应该返回关于硬件特性的详尽报告。 #### Python生态整合(PyTorch为例) 挑选恰当的PyTorch发行版至关重要,它决定了能否充分利用底层计算资源的优势[^3]。查阅官方网站提供的指南链接选取相吻合选项即可顺利完成部署工作。 ---
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