记录配置nvidia驱动+cuda+pytorch的一天.

原创 已于 2023-02-19 17:04:43 修改 · 589 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#pytorch #深度学习 #python

于 2023-02-19 16:48:57 首次发布
文章讲述了在服务器上遇到NVIDIA3090显卡驱动和CUDA环境问题，通过尝试安装和更新驱动、CUDA版本，最终发现只需在Anaconda环境中安装与显卡兼容的PyTorch版本即可解决问题，避免了服务器端直接安装CUDA的需要。

前情提要：实验室的新服务器用的是nvidia 3090显卡，最近服务器出了点问题，师兄说是网卡驱动和显卡驱动有问题，但是我登录之后发现nvidia-smi命令无法输出，就认为是显卡驱动没有装好，遂开始自力更生配置环境。

首先，笔者输入了nvidia-smi命令，发现有如下报错：

NVIDIA-SMI has failed because it couldn’t communicate with the NVIDIA driver.
Make sure that the latest NVIDIA driver is installed and running.

于是联系前情提要，笔者想当然地认为是nvidia驱动没有安装好。

记录一下配置nvidia驱动的教程，以备不时之需。安装nvidia驱动教程

首先需要查看显卡型号，lspci | grep -i vga，但是该命令返回的是一个十六进制数字，根据：PCI devices确认了是3090显卡。（参考教程：Linux(Ubuntu)系统查看显卡型号）

但是在搜集资料的时候，笔者发现了如下参考资料。
参考链接：NVIDIA驱动失效简单解决方案

  • 查看已安装驱动的版本信息

ls /usr/src | grep n

最低0.47元/天 解锁文章
oasisless
关注
docker内部执行nvidia-smi无任何显示的解决方法
davidhopper的博客
04-11 9075
仔细观察启动Docker的提示，说是Docker内部的Nvidia显卡驱动异常，未能启用Nvidia显卡，于是按照Nvidia官方网站。相关的代码居然没有编译，于是在Docker内部执行Nvidia显卡驱动检测命令。最开始我以为是Docker启动有问题，于是连续重启两次，仍然是。本以为万事大吉，结果非常不幸，执行第一步。今天在Docker内部编译程序，发现与。进入Docker，执行命令。
显卡驱动版本、cuda版本、pytorch版本的匹配查找网站
视觉小新的博客
05-02 1594
首先是安装自己的显卡驱动，根据显卡的型号进行选择 https://www.nvidia.cn/Download/index.aspx 查看显卡驱动和cuda的对应版本 Release Notes :: CUDA Toolkit Documentation 查看显卡的计算能力，该计算能力直接与pytorch的版本有关 CUDA GPUs | NVIDIA Developer 关于CUDA与GPU的算力匹配问题 https://www.csdn.net/tags/MtjakgwsNjE
ubuntu20 nvidia-smi输出问题解决
weixin_39412350的博客
07-17 1610
应该是驱动的问题，通过ubuntu-drivers devices查看一下当前可用的驱动有哪些，选择一个驱动进行安装，我这里选的nvidia-driver-525。
CUDA12.1环境搭建
zr2006_7的专栏
05-15 2万+
Windows11系统中Visual Studio 2022的CUDA 12.1环境搭建
NVIDIA GPU Driver, CUDA 和 PyTorch的版本关系
zhuguiqin1的专栏
05-06 2027
我们在进行深度学习环境配置的时候，会遇到各种各样的问题。有各种各样的驱动、包需要安装。不同驱动和包之间的还存在版本适配问题，刚入手的同学会一脸懵逼。配置环境成了入门的第一道门槛。我现在总结了NVIDIA 显卡 + Anaconda资源库 + PyTorch深度学习框架的环境配置指南，希望能够帮助大家。首先需要安装显卡驱动，显卡驱动不需要每个人安装，只需要拥有root的权限的管理者为整台服务器安装即可，选择一款与服务器显卡适配的驱动，安装指南参考NVIDIA显卡驱动。
Ubuntu20.04安装NVIDIA驱动+cuda+cudnn+anaconda+pytorch+pycharm经验
qinseheming0820的博客
04-18 5174
配置环境是深度学习的第一道门槛，也是必须迈过的一道门槛，之前一直在windows平台上跑pytorch，但很多包无法安装，必须要使用Linux。在经历了很多坑，无数次重装系统，崩溃，坚持后终于在Ubuntu20.04上成功安装pytorch，现将经验分享，希望能对初学者有一定参考。 一、安装Ubantu20.04系统 在清华源上下载系统安装包，找一个空U盘，用第三方软件制作系统启动盘。注意一定是空U盘，制作启动盘时会将U盘格式化。 Index of /ubuntu-releases/2...
抽空给笔记本装个显卡驱动，pytorch+CUDA docker 环境配置
生活不止眼前的苟且
06-05 1268
大家好，我是消失了一个小春节的小鱼，春节忙着设计新的小产品，一直在努力，这两天又跑广州来了，今天周末，抽空给笔记本的显卡装个驱动，顺便搞了个pytorch 的GPU配置，小鱼折腾的详细步骤如下，希望对你有用。以下内容由GPT组织，GPT味道有点重。在Ubuntu 22.04笔记本上安装NVIDIA驱动和CUDA，以及配置PyTorch Docker环境是一项重要的任务，特别是对于需要进行深度学习开发的用户。在本文中，我们将详细介绍如何完成这些步骤。
深度学习环境搭建：Anaconda3+CUDA+Pytorch+Pycharm选择安装
m0_62149566的博客
03-22 2009
配置环境需要选择合适的版本。python和pytorch，pycharm版本对照关系可以搜索一下站里的相关文档，更重要一些的是python和pytorch的对应关系，nacidia和cuda的对应关系。我会用这套配置验证随后的学习，如果有错误我会在这篇里进行修正。
【超详细】AnaConda+CUDA+CuDNN+Pytorch-gpu环境配置
m0_49579642的博客
04-10 3058
【超详细】AnaConda+CUDA+CuDNN+Pytorch-gpu环境配置
Pytorch与NVIDA驱动控制安装
m0_48176714的博客
03-02 288
Pytorch与NVIDA驱动控制安装
pytorch cuda cuDNN nvidia驱动安装
qq_27292549的博客
02-23 418
如下网址： https://blog.csdn.net/gdymind/article/details/82153643 实际上nvidia驱动可以不单独装，因为在装cuda使用runfile版本安装时可以自动安装，但是注意要在安装询问时选择yes即可 还有就是我之前装过9.1，然后发现有问题需要卸载，此时卸载方式可以网上搜索，但是网上搜索的不同版本卸载方式不同，这里贴出9.1的卸载方式：在...
部署系列0ubuntu, nvidia driver, cuda, cudnn， pytorch-gpu， opencv安装
tony365的博客
11-09 333
上面的教程是通过https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html Package Manager Installation的方法安装cudnn的。sudo apt-get install cuda-drivers-418 安装特定版本的驱动。ubuntu-drivers devices 寻找可以安装的驱动。除了以上的 通过下runfile来安装，也可以通过包安装。Ctrl + Alt + Delete 退出tty模式。
Ubuntu 16.04：Pytorch环境搭建（NVIDIA驱动 + CUDA 9.0 + CUDNN 7.0 + Pytorch）
ZhangK9509的博客
02-09 4547
终于，在倒腾了4天后，搭好了环境！ 1. NVIDIA驱动安装 添加Graphic Drivers PPA： $sudo add-apt-repository ppa:graphics-drivers/ppa 更新Nvidia驱动程序： $sudo apt-get update 在System Settings -> Software & Updates -> Ad...
Windows下安装Torch+cuda（Pytorch、Anaconda、Pycharm、NVIDIA驱动）、Jupyter
coolgcoder的博客
10-26 5706
若多次尝试仍无法正常安装，安装失败的原因有很多，此处难以一一列出解答，建议根据报错提示寻找对应的解决方案。安装教程可参考：https://helpx.adobe.com/cn/premiere-pro/kb/drivers-video-win-nvidia.html。安装，安装过程中建议自行配置安装目录，并确认添加运行环境到Path中，安装后通过cmd命令行输入conda -V 查看是否安装以及版本号。安装失败的原因有很多，此处难以一一列出解答，建议根据报错提示寻找对应的解决方案。
支持CUDA的NVIDIA显卡
cs870101的专栏
04-19 5140
解决显卡驱动报错、nvidia-smi出不来、NVIDIA driver is installed and running.couldn‘t communicate with the NVIDIA
热门推荐
qq_55957975的博客
10-29 4万+
本期，我们来解决显卡驱动报错，nvidia-smi出不来的问题。 在我们应用linux系统时，可能一个偶然，更新了显卡驱动，导致我们在使用nvidia-smi时会出现报错，导致我们在代码训练时，查看不到它的一个工作状态。 下面我们将提出三个方法，来解决这个问题！ 方法一： 在terminal终端输入 sudo modprobe nvidia ，然后再运行nvidia-smi，即可解决。 方法二： 只需要三条命令就好。 te...
没有NVIDIA，安装pytorch
m0_53300372的博客
01-04 6719
没有NVIDIA，安装pytorch！
docker中没有nvidia驱动，且 nvidia-smi无输出，不报错的解决： --gpus all
YuQiao0303的博客
02-20 1万+
问题 我的docker容器好好的，里面有nvidia驱动。导出成镜像后，再新建容器，却发现运行代码报错说我没有nvidia驱动。直接运行nvidia-smi命令，既不会报错，也没有输出。 解决 在docker run 的时候，加上 --gpus all: docker run --privileged --gpus all -p XXX:6006 -p YYY:22 -it -d -v 宿主共享文件夹路径:docker共享文件夹路径 -w 工作路径 --name 容器名称 镜像名称 /bin/bash
无root权限在A4000服务器上配置cuda和pytorch和注意算力匹配
qq_44076637的博客
11-29 1486
无root安装cuda和pytorch和注意算力匹配
可以用镜像源安装# 安装支持Flash Attention的PyTorch版本（需CUDA11.8+） conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia这些吗？？
最新发布
03-19
<think>嗯，用户问的是关于使用镜像源安装支持Flash Attention的PyTorch版本的问题。首先，我需要回顾之前的对话历史。用户之前运行了一个中文诗歌生成的代码，遇到了关于Flash Attention的警告，我建议他们安装支持Flash Attention的PyTorch，并给出了conda命令。现在用户想知道是否可以使用镜像源来执行这个安装。 首先，用户可能对conda默认源的速度不满意，特别是在国内，直接连接官方源可能很慢或者不稳定。所以，他们想通过镜像源加速安装过程。我需要确认使用镜像源是否可行，以及如何修改命令来使用镜像源。 接下来，我需要检查原来的conda命令：conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia。这里的-c参数指定了频道，用户可能担心镜像源是否包含这些频道的包。通常，镜像源会同步官方的频道，但用户需要替换频道地址为镜像的URL。 然后，我应该考虑常见的国内镜像源，比如清华源、中科大源等，这些镜像通常有详细的说明文档。需要告诉用户如何配置conda使用这些镜像源，以及如何修改安装命令，可能要去掉原来的-c参数，改用镜像源的频道地址。 另外，用户可能对conda和pip的安装方式有疑问。虽然conda是推荐的，但有时使用pip加上镜像源也是一种选择，尤其是当conda镜像源没有某些包时。需要解释两种方法的步骤，并指出注意事项，比如依赖冲突。 还要注意，用户的环境是CUDA 12.1，所以必须确保安装的PyTorch版本兼容CUDA 12.1，并且支持Flash Attention。需要确认镜像源中的PyTorch版本是否正确，避免用户安装了不兼容的版本。 最后，用户可能需要验证安装是否成功，比如检查PyTorch是否识别CUDA，以及Flash Attention是否启用。可能需要提供简单的测试代码或命令，帮助用户确认安装结果。 总结一下，我需要分步骤解释如何使用镜像源安装，包括配置conda镜像、修改安装命令、使用pip的替代方案，以及安装后的验证步骤。同时，要确保用户理解每一步的作用，避免配置错误。</think>可以，使用国内镜像源安装PyTorch能显著提升下载速度。以下是具体操作指南： --- ### **一、镜像源安装方案（conda版）** #### 1. 配置清华镜像源 ```bash # 添加清华镜像频道（执行后需重启终端） conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch conda config --set show_channel_urls yes ``` #### 2. 安装命令调整 ```bash # 去除原命令中的 "-c pytorch -c nvidia" conda install pytorch torchvision torchaudio pytorch-cuda=12.1 ``` --- ### **二、镜像源安装方案（pip版）** #### 1. 使用阿里云镜像 ```bash pip install torch torchvision torchaudio \ --index-url https://mirrors.aliyun.com/pypi/simple/ \ --extra-index-url https://download.pytorch.org/whl/cu121 ``` #### 2. 版本验证代码 ```python import torch print(torch.__version__) # 应显示 2.x+ print(torch.cuda.is_available()) # 应返回 True print(torch.backends.cuda.flash_sdp_enabled()) # 需返回 True ``` --- ### **三、注意事项** 1. **CUDA版本匹配** - CUDA 12.1 对应 `pytorch-cuda=12.1` 或 `cu121` 后缀 - 验证CUDA状态：`nvidia-smi` 查看驱动版本 2. **镜像同步延迟** - 新版本发布后镜像可能有1-2天延迟 - 紧急需求可临时切
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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