ubuntu利用conda创建虚拟环境,并安装cuda cudnn pytorch

本文介绍如何使用Anaconda安装包创建并激活指定Python版本的虚拟环境,并详细说明了如何在该环境中安装CUDA和cuDNN以支持GPU计算。

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

d到安装包所在目录,安装:bash Anaconda3-5.1.0-Linux-x86_64.sh

创建虚拟环境:conda create -n your_env_name python=3.6
 

激活虚拟环境:source activate your_env_name

 

安装cuda:conda install cudatoolkit=8.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/
 

安装cudnn:conda install cudnn=7.0.5 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/

注:

安装conda完成后,输入conda list,若出现未找到命令,则需修改环境变量:export PATH=~/anaconda3/bin:$PATH(此法每次开机后都要修改,也可修改配置文件永久生效)

每个不同镜像网站里面包含各种不同的下载包,可根据自己的需求打开查找对应的安装包,

如cudatoolkit 8.0.3 在https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/内,

则安装命令如:conda install cudatoolkit=8.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/ 即可。

### 安装 CUDAcuDNNPyTorch 的步骤 #### 1. 显卡驱动安装Ubuntu 22.04 上,推荐让系统自动处理显卡驱动程序的安装。通过系统的更新管理器或者命令行工具可以完成这一过程。当显卡驱动被成功安装后,它通常也会附带安装一个基础版的 CUDA 工具包[^2]。 验证显卡驱动是否已正确安装可以通过以下命令: ```bash nvidia-smi ``` 如果该命令返回了 GPU 的详细信息以及 `Driver Version` 和 `CUDA Version`,则说明显卡驱动已经正常工作。 --- #### 2. 配置 CUDA 对于大多数深度学习框架来说,建议使用 NVIDIA 提供的标准 CUDA 版本而不是由操作系统自带的基础版本。为了获得最新支持的功能和性能优化,可以选择手动下载安装官方发布的 CUDA Toolkit: 访问 [NVIDIA CUDA 下载页面](https://developer.nvidia.com/cuda-downloads),选择适合的操作系统 (Linux -> x86_64 -> Ubuntu -> 22.04) 按照提示操作即可完成安装[^1]。 注意:如果你希望简化流程,也可以接受默认情况下随显卡驱动一同安装好的 CUDA 基础环境确认其满足后续需求。 --- #### 3. 安装 cuDNN cuDNN 是一种针对神经网络计算进行了高度优化的库集合,它是许多高性能深度学习模型运行所必需的部分之一。可以从 NVIDIA 开发者网站获取对应于当前使用的 CUDA 版本的 cuDNN 文件。 登录到[NVIDIA Developer Program](https://developer.nvidia.com/)账户后找到对应的 cuDNN 资源链接,解压文件将其中的内容复制至 `/usr/local/cuda-X.Y/` 目录下(X.Y 表示具体 CUDA 版本号)。最后记得设置环境变量 PATH 和 LD_LIBRARY_PATH 来指向新加入的位置。 例如修改 `.bashrc` 添加如下内容: ```bash export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH ``` 执行刷新配置命令使更改生效: ```bash source ~/.bashrc ``` --- #### 4. 安装 PyTorch PyTorch 支持多种方式来指定构建时所需的硬件加速特性,比如 CPU-only 或带有特定 CUDA 支持的变体。前往官网 [PyTorch Get Started Page](https://pytorch.org/get-started/locally/) ,依据个人偏好挑选相应选项组合成 pip 或 conda安装指令。 假设我们正在寻找的是 Python 3.x 环境下的稳定发行版,则可能得到这样的安装语句作为例子: ```bash pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117 ``` 这里 `-index-url` 参数指定了与某个固定 CUDA 版本相匹配的二进制包位置;如果没有 GPU 加速的需求的话可以直接省略这部分参数从而仅加载纯软件实现部分。 --- #### 总结 整个过程中需要注意各个组件之间的兼容性问题,尤其是不同版本间的相互依赖关系。始终参照最新的官方文档来进行每一步骤能够有效减少潜在错误的发生几率。
评论 2
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