Ubuntu 搭建 NVIDIA驱动 CUDA 和 pytorch GPU 环境

首先,查看自己的驱动型号

输入lspci,如上图所示,我的是Quadro K4200

搜索适合的驱动,并下载

记住存放的路径

 

接下来安装驱动:

参考:https://blog.youkuaiyun.com/kellyroslyn/article/details/91448848

1)删除、禁用驱动

删除旧的

sudo apt-get purge nvidia*

禁止自带的nouveau nvidia驱动

在/etc/modprobe.d/目录中找到黑名单

添加禁用 信息

blacklist nouveau 

options nouveau modeset=0 

保存退出

更新

重启电脑

 

重启之后独显没驱动了,界面可能变得很丑,但是不影响使用

进入文本输入模式,按ALT+CTRL+F1

输入Ubuntu的账号,密码

然后,设置权限,找到run存在的位置,并运行驱动安装程序

 

会自动进入安装,界面操作

安装结束输入输入

sudo nvidia-smi

 

 

二、接下来安装anaconda,这一步很简单

参考:https://blog.youkuaiyun.com/kellyroslyn/article/details/91402195

三、安装CUDA

登录官网:https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=deblocal

 

下载到指定文件夹后,运行

一下几条命令

第二步的时候需要去路径中找自己的版本

 

 

 

 

按顺序操作,运行结束

三、安装pytorch

https://pytorch.org

下滑选择对应版本,python的版本可以再conda环境下输入python查看

下载太慢的话,参考:https://blog.youkuaiyun.com/qq_40971025/article/details/101448368

安装成功

输入python

安装成功

### 如何在Ubuntu 24.2上安装CUDAPyTorch #### 创建Anaconda环境 为了更好地管理依赖关系,在开始之前建议创建一个新的Anaconda环境。这可以通过以下命令完成: ```bash conda create --name pytorch_env python=3.9 conda activate pytorch_env ``` #### 更新系统并安装必要的工具 确保系统的软件包是最新的,并安装一些编译所需的工具。 ```bash sudo apt-get update && sudo apt-get upgrade -y sudo apt-get install build-essential cmake git unzip zip pkg-config libopencv-dev -y ``` #### 安装NVIDIA驱动程序 安装适合显卡的最新稳定版NVIDIA驱动程序对于启用GPU加速至关重要[^1]。 ```bash ubuntu-drivers devices sudo ubuntu-drivers autoinstall nvidia-smi # 验证安装成功与否 ``` #### 安装CUDA Toolkit 选择与所使用的NVIDIA驱动兼容的CUDA版本非常重要。可以访问[NVIDIA官方网站](https://developer.nvidia.com/cuda-downloads),根据自己的需求下载相应的.deb (local) 文件,之后按照如下方式安装: ```bash wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.0-1_all.deb sudo dpkg -i cuda-keyring_1.0-1_all.deb sudo apt-get update sudo apt-get -y install cuda echo 'export PATH=/usr/local/cuda-12.1/bin${PATH:+:${PATH}}' >> ~/.bashrc source ~/.bashrc nvcc --version # 测试CUDA是否正确安装 ``` 注意:上述路径中的`cuda-12.1`应替换为实际安装的CUDA版本号。 #### 安装cuDNN库 虽然不是强制性的,但是安装匹配版本的cuDNN能够显著提高性能。可以从[NVIDIA cuDNN页面](https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html#download)获取更多信息。 #### 安装PyTorch 最后一步就是安装PyTorch本身。推荐的方法是在新环境中利用Conda来安装特定于CUDA版本的PyTorch发行版。例如,如果已经安装了CUDA 12.1,则可执行下列指令: ```bash conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia ``` 验证安装是否成功的简单方法是运行Python解释器并尝试导入`torch`模块: ```python import torch print(torch.cuda.is_available()) print(torch.__version__) ``` 以上过程涵盖了从准备到最终部署所需的主要步骤,旨在帮助读者顺利地设置好基于Ubuntu的操作环境下支持GPU运算的深度学习开发平台][^[^23].
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