玩转Google cloud（二）

最新推荐文章于 2025-06-11 11:32:00 发布

原创

最新推荐文章于 2025-06-11 11:32:00 发布 · 2.9k 阅读

4 ·

CC 4.0 BY-SA版权

本文档详细记录了如何在Google Cloud上创建配备NVIDIA Tesla K80 GPU的Ubuntu 16.04 VM实例，然后安装CUDA 9.0、cuDNN 7.0.5和PyTorch 0.4.0的过程。内容包括禁用nouveau驱动、安装GCC和g++、安装NVIDIA驱动、Anaconda以及环境变量配置。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Abstract：

这篇文档是描述如何在Google Cloud上建立 VM instance，并安装与我所做项目匹配的软件，通俗的说就是我在Google Cloud上得到了一台电脑，然后我在这台电脑上安装了一系列我需要的软件。听起来挺简单，但安装过程着实费力，对于一个很少使用命令行、Linux操作系统，经常使用图形化界面、点点鼠标的人来说还是非常困难。

配置：

#### 在搭建VM instance时，我选择的：GPU是NVIDIA Tesla K80，操作系统是Ubuntu16.04。

#### 因为我是为了跑Faster Rcnn，之前一次搭建系统时对cuda，Pytoch都没怎么注意，所以后期跑的时候暴各种错，在网上查阅后发现这套代码需要在cuda9.0+Pytorch0.4.0下才能顺利运行。

一、搭建VM instance

这个我会在写如何连接Google Cloud，并搭建VM instance中详细介绍，需要注意的是，我选择的是Ubuntu 16.04和k80。

二、安装gcc和g++

在Google Cloud中搭建的这台电脑是比较原始的，很多东西都是没有安装的，所以需要手动安装。因为后来在安装驱动时，暴了与没有安装gcc和g++相关的错，所以重新安装，也就是安装成功的这一次，我先把gcc和g++安装好了。

主要采用以下命令：

sudo apt-get install build-essential

(对于这条命令的解释：Ubuntu缺省情况下,并没有提供C/C++的编译环境,因此还需要手动安装。如果单独安装gcc以及g++比较麻烦,幸运的是,为了能够编译Ubuntu的内核,Ubuntu提供了一个build-essential软件包。来源：https://www.aliyun.com/jiaocheng/212052.html)