ubuntu安装显卡和TensorFlow和PyTorch

本文详细介绍了如何在Ubuntu系统中安装TensorFlow和PyTorch的GPU版本,包括降低gcc版本、安装英伟达显卡驱动、CUDA和cudnn,以及通过Anaconda进行便捷安装。此外,还提供了遇到问题时的解决方案链接。

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

ubuntu安装CPU版的TensorFlow

可以手动下载whl文件的地址:
GPU: http://mirrors.aliyun.com/pypi/simple/tensorflow-gpu/
CPU:http://mirrors.aliyun.com/pypi/simple/tensorflow/

pip3 install tensorflow

安装CPU版本的不需要下面的步骤,很简单

ubuntu安装pip和pip3

新安装的系统不能使用pip3命令,所以

sudo apt-get install python-pip
pip -V

sudo apt-get install python3-pip
pip3 -V

如果出现依赖问题见:https://blog.youkuaiyun.com/wang342626/article/details/98621845

如果是ubuntu20则需要把gcc版本9降为7

https://blog.youkuaiyun.com/ashome123/article/details/105822040
一定要先降级gcc版本再安装显卡驱动

ubuntu安装英伟达显卡

方法一:直接使用ubuntu设置里面的图形化安装好像也可以,但是我没有试过。

方法二:
英伟达官网下载地址:
https://www.nvidia.com/Download/Find.aspx?lang=en-us

安装教程:(其中第3步不用执行)
https://blog.youkuaiyun.com/xunan003/article/details/81665835
其中一些重要的命令

查看其他显卡是否禁用了
lsmod | grep nouveau

安装显卡驱动
sudo  ./NVIDIA-Linux-x86_64-450.57.run  -no-x-check -no-nouveau-check -n
### Ubuntu安装最新 CUDA cuDNN 的指南 #### 准备工作 在开始之前,确保系统的软件包是最新的。可以通过以下命令更新系统: ```bash sudo apt update && sudo apt upgrade -y ``` #### 安装 NVIDIA 显卡驱动程序 为了支持 CUDA 运算,必须先安装适合的 NVIDIA 显卡驱动程序。以下是推荐的方法: 1. 添加官方图形驱动 PPA 并安装最新的稳定版驱动程序[^3]。 ```bash sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt update ubuntu-drivers devices ``` 使用 `ubuntu-drivers devices` 查看建议的驱动版本。 2. 安装推荐的驱动并重启计算机: ```bash sudo apt install nvidia-driver-<version> sudo reboot ``` 验证驱动是否成功安装: ```bash nvidia-smi ``` 如果显示 GPU 信息,则说明驱动已正确安装。 --- #### 安装 CUDA 工具包 根据引用中的指导,可以按照以下方法安装 CUDA 12.1 或更高版本[^1][^2]: 1. 下载适用于 Linux 的 CUDA Toolkit 安装文件: ```bash wget https://developer.download.nvidia.com/compute/cuda/12.1.0/local_installers/cuda_12.1.0_530.30.02_linux.run chmod +x cuda_12.1.0_530.30.02_linux.run ``` 2. 执行安装脚本(注意关闭 X Server 后再执行此操作): ```bash sudo service lightdm stop sudo ./cuda_12.1.0_530.30.02_linux.run ``` 3. 按照提示完成安装过程,并设置环境变量: 编辑 `.bashrc` 文件以添加路径: ```bash echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc source ~/.bashrc ``` 验证 CUDA 是否正常工作: ```bash nvcc --version ``` --- #### 安装 cuDNN 库 cuDNN 是用于加速深度学习框架的重要库。以下是安装步骤[^2]: 1. 访问 [NVIDIA cuDNN 页面](https://developer.nvidia.com/cudnn),注册账户后下载对应 CUDA 版本的 cuDNN 压缩包。 2. 解压压缩包并将文件复制到 CUDA 路径下: ```bash tar -xzvf cudnn-linux-x86_64-*.*.*.* sudo cp include/* /usr/local/cuda/include/ sudo cp lib64/* /usr/local/cuda/lib64/ ``` 3. 更新动态链接器缓存: ```bash sudo ldconfig ``` 测试 cuDNN 是否可用: ```python import tensorflow as tf tf.test.is_built_with_cuda() tf.config.list_physical_devices('GPU') ``` --- ### 注意事项 - 如果 BIOS 设置中有 Secure Boot 功能,请将其禁用以防止显卡驱动加载失败。 - 确保操作系统内核兼容所选的 NVIDIA 驱动版本。 - 对于 TensorFlowPyTorch 等框架的支持情况,请查阅其文档确认所需的最低 CUDA cuDNN 版本。 ---
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