ubuntu18.04 安装Anaconda、 CUDA、cudnn、PyTorch(GPU)

本文详细介绍了在Ubuntu18.04系统上安装配置Anaconda3、CUDA、cuDNN及PyTorch(GPU版)的过程。从安装NVIDIA驱动到配置环境变量,再到验证安装结果,提供了一步一步的操作指南。

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

Ubuntu18.04(非虚拟机)下Anaconda3 + CUDA + cudnn + PyTorch(GPU)安装记录

1. Anaconda3 安装

官网下载地址:https://developer.nvidia.com/cuda-toolkit-archive

清华大学开源软件镜像站下载地址: Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

sh Anaconda3-2019.10-Linux-x86_64.sh

2、安装cuda

开始安装之前最好卸载NVIDIA的显卡驱动,并且禁用Ubuntu自带的驱动,然后手动安装NVIDIA显卡驱动,原因不是因为这么做是最好的,而是这么做成功了。

2.1 卸载NVIDIA显卡驱动

下面哪个都可以试试,卸载就行

sudo apt-get purge --remove nvidia*
sudo ./usr/bin/nvidia-uninstall
sudo apt-get install autoremove --purge nvidia*

如果之前有CUDA,最好也卸载掉

sudo ./usr/local/cuda-11.4/bin/cuda-uninstaller

2.2 禁用自带nouveau驱动

sudo gedit /etc/modprobe.d/blacklist_nouveau.conf

重启电脑,运行

lsmod | grep nouveau

,如果啥都没有,那说明OK了。

2.3 重新安装NVIDIA驱动

终端输入

ubuntu-drivers devices

查看系统推荐的版本,我的是470。(有一个recommended)


然后直接终端执行

sudo apt-get install nvidia-driver-470-server

即可,不同的设备安装的驱动版本不一样,千万看好,我自己的台式机是470。
最后测试,终端输入

nvidia-smi

,可以看到我的显卡驱动为470.57.02,推荐的CUDA版本为11.4。

 2.4 CUDA安装

直接去官网,CUDA Toolkit 11.5 Downloads | NVIDIA Developer,找到自己的对应版本就OK。然后下载一个run文件,之后直接终端执行sudo sh xxxxx.run即可,如果之前装过驱动,可能新版本的CUDA会提示类似于“你的电脑已经安装了某个版本的显卡驱动,您选择先卸载还是继续”之类的话,就选择继续。然后下边会弹出一个option,问我们哪些module是我们需要的,其中第一个就是driver,不要选择这个就好了。

 进入到run文件的目录,打开终端,执行

sudo sh xxx.run

 

 

 

查看显卡驱动是否安装

nvidia-smi

 如果显卡驱动没有安装,不需要单独安装,安装CUDA过程中勾选显卡驱动(默认已经选择)

 如果显卡驱动已经安装,在安装CUDA过程中不勾选显卡驱动

 

配置环境变量
sudo gedit  ~/.bashrc
 
export PATH=$PATH:/usr/local/cuda-11.4/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.4/lib64
export LIBRARY_PATH=$LIBRARY_PATH:/usr/local/cuda-11.4/lib64
 
更新环境变量
>>> source ~/.bashrc
 
查看cuda是否安装成功
nvcc -V

输出内容与下方类似则OK。

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2021 NVIDIA Corporation
Built on Sun_Aug_15_21:14:11_PDT_2021
Cuda compilation tools, release 11.4, V11.4.120
Build cuda_11.4.r11.4/compiler.30300941_0

测试2

编译运行sample,进入安装目录:/usr/local/cuda-11.4/samples/0_Simple/vectorAdd,这只是其中一个例子,我们可以选择任意一个,然后执行

sudo make

,之后运行

./vectorAdd


终端中会输出一大堆东西,最后一行如果是类似Pass、Test Pass之类的字样,就是成功了。

3、安装cudnn

官网可以找到与CUDA版本相对应的cudnn,https://developer.nvidia.com/rdp/cudnn-download

cuda11.4对应cudnn v8.22

绕过注册,复制链接,用迅雷下载

4、安装pytorch

### 回答1: 1. 首先,确保您的计算机已经安装了NVIDIA显卡驱动程序。您可以通过运行以下命令来检查: ``` nvidia-smi ``` 如果您看到了显卡信息,说明您已经安装了驱动程序。 2. 接下来,您需要安装CUDA工具包。您可以从NVIDIA官网下载适合您的CUDA版本,并按照官方文档进行安装。 3. 安装cuDNN库。您可以从NVIDIA官网下载适合您的cuDNN版本,并按照官方文档进行安装4. 确保您的计算机已经安装Anaconda或Miniconda。您可以从官方网站下载并安装。 5. 打开终端,创建一个新的conda环境: ``` conda create --name pytorch-gpu python=3.7 ``` 6. 激活新环境: ``` conda activate pytorch-gpu ``` 7. 安装pytorch-gpu: ``` conda install pytorch torchvision torchaudio cudatoolkit=<your_cuda_version> -c pytorch ``` 其中,<your_cuda_version>是您安装CUDA版本号。 8. 安装其他必要的库: ``` conda install matplotlib pandas jupyter notebook ``` 9. 安装完成后,您可以在新环境中使用pytorch-gpu了。您可以通过运行以下命令来测试: ``` python -c "import torch; print(torch.cuda.is_available())" ``` 如果输出为True,则说明您已经成功安装pytorch-gpu。 ### 回答2: 要在Ubuntu 18.04安装PyTorch GPU,您需要遵循以下步骤: 步骤1:安装CUDA 安装PyTorch GPU需要CUDA。按照下面的步骤安装CUDA: a) 添加PPA存储库: $ sudo add-apt-repository ppa: graphics-drivers/ppa $ sudo apt-get update b) 安装nvidia驱动程序和CUDA: $ sudo apt-get install nvidia-driver-435 $ sudo apt-get install nvidia-cuda-toolkit 步骤2:安装cuDNN cuDNN是NVIDIA深度神经网络库,提供GPU加速的功能。 a)从NVIDIA官方网站下载cuDNN的Deb文件。 b)解压缩下载的文件并将其复制到CUDA安装目录下: $ sudo dpkg -i libcudnn7*.deb $ sudo cp -r /usr/src/cudnn_samples_v7/ $ HOME $ cd $ HOME/cudnn_samples_v7/mnistCUDNN $ make clean && make $ ./mnistCUDNN 步骤3:安装PyTorch a)安装Anaconda环境,这将帮助您管理您的Python环境。 b)创建一个名为"ml"的conda环境: $ conda create -n ml anaconda python=3.6 c)启用conda环境: $ source activate ml d)安装PyTorch: $ conda install pytorch torchvision cudatoolkit=10.1 -c pytorch 步骤4:测试您的PyTorch GPU安装 a) 启用conda环境: $ source activate ml b) 进入Python shell: $ python c)验证您的PyTorch GPU是否启用: import torch print(torch.cuda.is_available()) 如果 省略了CUDAcuDNN,则会输出“False”,如果 安装正确,则会输出“True”。 这就是在Ubuntu 18.04安装PyTorch GPU的过程。 ### 回答3: PyTorch深度学习领域中最流行的框架之一,它提供了GPU加速计算的能力以加快训练速度和提高模型的准确性。Ubuntu 18.04是一种流行的Linux操作系统,可以在其上运行PyTorch GPU版本来发挥更强大的计算能力。 以下是在Ubuntu 18.04安装PyTorch GPU的步骤: 1.安装PyTorch GPU之前,需要确保已安装英伟达显卡驱动程序。在Ubuntu终端中输入以下命令来安装驱动程序: sudo apt-get install nvidia-driver-410 注意:410是驱动程序的版本号,这可能会因您的显卡型号而有所不同。 2. 安装CUDA工具包。PyTorch需要CUDA来执行GPU加速计算。在安装CUDA之前,需要检查计算设备是否与CUDA兼容。在终端中输入以下命令: lspci | grep -i nvidia 如果输出显示英伟达显卡,则说明您的设备与CUDA兼容。 在安装CUDA之前,需要下载相应的安装程序: wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-10-0_10.0.130-1_amd64.deb 接着,运行以下命令安装CUDA: sudo dpkg -i cuda-10-0_10.0.130-1_amd64.deb 安装完成后,将CUDA添加到环境变量中,运行以下命令: echo 'export PATH=/usr/local/cuda-10.0/bin:$PATH' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc source ~/.bashrc 3. 安装cuDNN库。cuDNN是一个GPU加速库,可以进一步加速计算。在下载cuDNN库之前,需要注册NVIDIA开发者网站并下载相应版本的cuDNN库。 运行以下命令安装cuDNN: tar -xzvf cudnn-10.0-linux-x64-v7.4.1.5.tgz sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda-10.0/lib64/ sudo cp cuda/include/cudnn.h /usr/local/cuda-10.0/include/ 4. 安装PyTorch GPU。在终端中输入以下命令安装PyTorch GPU: pip3 install torch torchvision 安装完成后,运行以下代码测试PyTorch是否成功安装设备: import torch if torch.cuda.is_available(): print('CUDA is available') else: print('CUDA is not available') 这个命令行代码应该输出`CUDA is available`,表明PyTorch可以在GPU设备上进行计算。 以上就是在Ubuntu 18.04安装PyTorch GPU的步骤。在安装过程中,如果遇到任何问题,请仔细检查您的系统和环境变量设置。
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