ubuntu20.04下不同版本的pytorch切换使用不同版本cuda

本文介绍了在Ubuntu20.04系统下,如何在pytorch1.6(搭配cuda10.2)和pytorch1.2(搭配cuda9.2)之间切换,以解决neural_renderer_pytorch在不同PyTorch版本下运行的问题。通过安装和配置不同版本的CUDA,以及创建虚拟环境来管理不同PyTorch版本,详细步骤包括安装cuda9.2,设置环境变量,以及使用conda创建和管理环境。
  • ubuntu20.04 (pytorch1.6+cuda10.2) & (pytorch1.2+cuda9.2)   多cuda切换
  • neural_renderer_pytorch在torch1.2下运行,1.6装不上
  • 使用命令切换cuda版本
    sudo rm -rf cuda
    sudo ln -s /usr/local/cuda-9.2 /usr/local/cuda
    
    sudo rm -rf cuda
    sudo ln -s /usr/local/cuda-10.2 /usr/local/cuda

最近想学习 无先验三维模型,无监督,利用对称信息的三维重建代码 2020 cvpr https://github.com/elliottwu/unsup3d

使用微分渲染器, 我当前的环境为 pytorch1.6, cuda 10.2, 用如下命令安装, 源码为https://github.com/daniilidis-group/neural_renderer

pip install neural_renderer_pytorch
或者 pip install https://github.com/daniilidis-group/neural_renderer/zipball/master
两条命令一样的

 报错很多,如下

搜索报错原因, 需要将pytorch版本降低到1.2.0(见https://zhuanlan.zhihu.com/p/195068015) 同时unsup3d的作者写到环境为pytorch1.2.0&cuda9.2, 而我的版本是pytorch1.6, cuda 10.2

那就重新创建一个虚拟环境安装torch1.2.0(https://pytorch.org/get-started/previous-versions/</

<think>好的,我现在要帮用户在Ubuntu 20.04上安装CUDA 11.8并配置PyTorch环境。首先,我需要确认用户的需求是什么。用户提到他们想安装CUDA 11.8来支持PyTorch,所以主要步骤应该是安装CUDA 11.8,然后安装对应的PyTorch版本。 接下来,我得回忆一下CUDA的安装流程。根据提供的引用,特别是引用[3]和引用[2],安装CUDA可以通过下载.run文件或者使用deb包。用户提供的引用中有两种方法,一种是直接下载.run文件,另一种是通过添加仓库安装。但引用[3]中的链接是CUDA 11.8的.run文件,而引用[2]里是CUDA 12.1的deb安装方法,但用户需要的是11.8,所以应该参考引用[3]的方法。 不过,我需要检查用户提供的引用是否有正确的CUDA 11.8安装方式。引用[3]给出了下载cuda_11.8.0_520.61.05_linux.run的命令,然后运行安装。而引用[2]虽然主要讲CUDA 12.1,但步骤可能类似,只是URL不同。但用户需要的是11.8,所以应该使用引用[3]中的wget命令获取安装文件。 安装CUDA之前,需要确保系统已经安装了合适的NVIDIA驱动。CUDA的安装包通常包含驱动,但有时用户可能已经安装了驱动,这时候在安装CUDA时可能需要不选择安装驱动。但根据引用[2]中的步骤,他们直接安装了CUDA,可能包含了驱动。不过需要注意,如果用户已经安装了其他版本的驱动,可能会有冲突。所以可能需要先卸载旧驱动,或者确保驱动版本兼容。 接下来,安装完CUDA后,需要配置环境变量,将CUDA的路径添加到PATH和LD_LIBRARY_PATH中。通常,安装程序会提示是否自动添加,但用户可能需要手动添加,比如在.bashrc文件中加入export PATH=/usr/local/cuda-11.8/bin:$PATH和export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH。 然后,安装cuDNN,但用户的问题中没有提到cuDNN,不过PyTorch可能依赖cuDNN,所以可能需要安装。根据引用[4],用户提到安装cudnn和pytorch,但具体步骤可能需要用户从NVIDIA官网下载cuDNN,解压并复制到CUDA目录中,或者通过apt安装。不过根据常见的做法,可能需要手动下载cuDNN的tar包,然后复制到CUDA的安装目录,这需要用户有NVIDIA的开发者账号,或者使用其他途径安装。 不过,可能PyTorch的安装已经包含了所需的库,或者通过conda安装时自动处理依赖,比如使用cudatoolkit=11.8。因此,可能不需要单独安装cuDNN,但需要确认PyTorch版本是否与CUDA 11.8兼容,并且是否在安装命令中正确指定。 然后,安装PyTorch。根据引用[1],用户提供的安装命令是conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.8 -c pytorch -c nvidia。但需要确认PyTorch 2.0.0是否支持CUDA 11.8。通常,PyTorch的官方文档会列出支持的CUDA版本,但用户提供的命令中明确指定了pytorch-cuda=11.8,所以应该没问题。不过,可能需要检查该版本是否存在,以及conda源是否可用。 另外,引用[4]中的用户安装了CUDA 11.3,然后使用conda install命令指定cudatoolkit=11.3。因此,对于CUDA 11.8,应该对应地使用cudatoolkit=11.8。但需要看PyTorch版本是否支持。例如,PyTorch 2.0.0可能支持CUDA 11.7或11.8,但需要确认。 可能需要查看PyTorch官方安装指南,确认对应版本的命令。例如,在PyTorch官网,用户可以选择CUDA 11.8,然后生成对应的安装命令。假设用户提供的引用[1]中的命令是正确的,那么按照该命令安装即可。 总结步骤: 1. 安装NVIDIA驱动(如果尚未安装,可能CUDA安装包会包含驱动,但可能需要禁用nouveau驱动,并处理冲突)。 2. 下载CUDA 11.8的.run文件(引用[3])。 3. 运行安装程序,选择不安装驱动(如果已安装驱动),否则允许安装驱动。 4. 配置环境变量。 5. 验证CUDA安装(使用nvcc --version或nvidia-smi)。 6. 安装PyTorch使用conda命令指定CUDA 11.8(引用[1])。 7. 验证PyTorch是否能识别CUDA。 可能的注意事项: - 系统是否有兼容的GPU?用户提到的是4060 Ti,根据NVIDIA的文档,4060 Ti应支持CUDA 11.8。 - 是否安装了正确的GCC版本CUDA 11.8可能需要特定版本的GCC,Ubuntu 20.04默认的GCC是9.4.0,而CUDA 11.8可能要求GCC版本不超过某个值,需要确认兼容性。 - 如果用户之前安装了其他CUDA版本,可能需要处理多版本共存的问题,通过软链接或环境变量切换。 现在,我需要将这些步骤整理成用户友好的指导,确保每一步清晰,并引用正确的参考链接。例如,下载CUDA 11.8使用引用[3]中的命令,安装PyTorch使用引用[1]中的命令。同时,提醒用户检查驱动和依赖项。</think>### 在 Ubuntu 20.04 上安装 CUDA 11.8 并配置 PyTorch 环境 #### 步骤 1:安装 NVIDIA 驱动(可选) 如果尚未安装驱动,CUDA 安装包可能包含默认驱动。若需手动安装驱动,可执行: ```bash sudo ubuntu-drivers autoinstall ``` 重启后验证驱动: ```bash nvidia-smi # 输出应包含 GPU 信息 ``` #### 步骤 2:下载 CUDA 11.8 安装包 使用官方提供的 `.run` 文件安装(引用[3]): ```bash wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run ``` #### 步骤 3:安装 CUDA 11.8 运行安装脚本并按提示操作: ```bash sudo sh cuda_11.8.0_520.61.05_linux.run ``` - **注意**:若已安装驱动,取消勾选驱动安装选项;否则允许安装。 - 默认安装路径为 `/usr/local/cuda-11.8`。 #### 步骤 4:配置环境变量 将以下内容添加到 `~/.bashrc`: ```bash export PATH=/usr/local/cuda-11.8/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH ``` 加载配置: ```bash source ~/.bashrc ``` 验证安装: ```bash nvcc --version # 应显示 CUDA 11.8 ``` #### 步骤 5:安装 PyTorch 2.0.0 与 CUDA 11.8 使用 Conda 安装指定版本(引用[1]): ```bash conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.8 -c pytorch -c nvidia ``` #### 步骤 6:验证 PyTorch 环境 启动 Python 并检查 CUDA 支持: ```python import torch print(torch.__version__) # 应输出 2.0.0 print(torch.cuda.is_available()) # 应输出 True print(torch.version.cuda) # 应显示 11.8 ``` #### 注意事项 1. **驱动兼容性**:确保 NVIDIA 驱动版本 ≥ 520.61.05(与 CUDA 11.8 兼容)[^3]。 2. **多 CUDA 版本共存**:通过修改环境变量切换版本。 3. **cuDNN 支持**:PyTorch 通常已集成 cuDNN,无需单独安装[^4]。 ---
评论 2
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