代码编织梦想

一、系统环境:Ubuntu18.04+显卡3090

双系统安装:Win10安装Ubuntu18.04双系统

二、安装NVIDIA显卡驱动:

1.进入BIOS禁用secure boot。

2.卸载原有的英伟达驱动:sudo apt-get remove --purge nvidia*或者sudo ./NVIDIA-Linux-x86_64-384.59.run --uninstall

3.更新库:

sudo add-apt-repository ppa:graphics-drivers/ppa

sudo apt-get update

sudo apt-get upgrade

4.安装英伟达驱动:

自动安装:

sudo ubuntu-drivers devices

sudo ubuntu-drivers autoinstall

指定版本:

sudo apt-get install nvidia-driver-510

安装依赖:

sudo apt-get install mesa-common-dev(没有这个好像重启后nvidia-smi命令不能用)

5.设置更改

sudo gedit /etc/default/grub

请添加图片描述

将原来的"quiet splash"或者你已经改过的名称,改为"quiet splash acpi_osi=linux"

sudo update-grub

6.重启电脑nvidai-smi

可能遇到的问题:系统内核与显卡驱动不匹配报错:NVIDIA-SMI has failed because it couldn’t communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed and running

解决办法:
# 执行命令
sudo apt-get install dkms
sudo dkms install -m nvidia -v 510.47.03(510.47.03表示的是驱动版本号)
# 利用命令 ll /usr/src/ 可查看下面有一个nvidia-510.47.03/文件夹,版本号因电脑而异

参考链接:

Ubuntu18.04——正确安装英伟达(NVIDIA)显卡驱动

ubuntu pytorch 深度学习环境配置

三、安装cuda和cudnn:

1.安装在系统环境:Linux安装cuda、cudnn

首先到NVIDIA官网找到显卡对应版本的cuda,执行命令安装。

cuda下载:CUDA Toolkit Archive | NVIDIA Developer

cudnn下载:cuDNN Archive | NVIDIA Developer

可能遇到的问题:如果电脑已经安装了显卡驱动Driver CUDA则需要去掉Driver选项,详见:ubuntu18.4解决问题: Installation failed.

2.安装在conda虚拟环境:可以使用conda命令在虚拟环境中安装所需的cuda和cudnn,一台电脑可安装多个cuda和cudnn,详见链接:

Win10配置YOLO目标检测Pytorch环境

四、安装Anaconda:

官网或清华镜像下载Anaconda

bash Anaconda3-2021.05-Linux-x86_64.sh 
source ~/.bashrc
conda -V

五、安装Pytorch:

添加源和安装过程与win10相似,详见:

Win10配置YOLO目标检测Pytorch环境

六、安装tensorflow-gpu:

RTX3090利用conda安装tensorflow2.6:因为3090只支持cuda11以上,所以需要选择安装支持cuda11以上的tensorlfow2版本,也就是tensorflow2.4.x。当前阶段,直接使用conda install tensorflow-gpu的话即使成功安装,也无法正常调用gpu,所以需要通过以下方法安装:

conda创建相关虚拟环境

conda install cudatoolkit=11.2 cudnn=8.1

pip install tensorflow-gpu==2.6

参考链接:RTX3090利用conda安装tensorflow2.4

验证:tensorflow-gpu

import tensorflow as tf
a=tf.test.is_built_with_cuda()
b=tf.test.is_gpu_available(cuda_only=False,min_cuda_compute_capability=None)
print(a)
print(b)

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。
本文链接:https://blog.csdn.net/m0_37559192/article/details/127153363

ubuntu18.04安装nvidia驱动 配置gpu版pytorch-爱代码爱编程

Ubuntu18.04 Install Pytorch 本文主要涉及安装GPU加速的Pytorch(Tensorflow同理),主要内容包括安装NVIDIA显卡驱动、CUDA、cuDDN和Pytroch。 安装NVIDA

cuda、显卡驱动和tensorflow、pytorch版本之间的对应关系_it_xiao_bai的博客-爱代码爱编程_cuda版本对应显卡

一、显卡驱动与CUDA版本对应关系 来源:https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html 二、CUDA与Linux内核以及GCC版

ubuntu 16.04 lts 在anaconda环境下安装pytorch和tensorflow gpu,cuda10.0-爱代码爱编程

文章目录 准备更新笔记本的显卡驱动到较新的,最好是倒数第二新的版本安装cuda和cudnn:安装conda:安装tensorflow-gpu:安装pytorch:安装jupyter notebook:安装spyder

一分钟在Ubuntu终端成功安装Pytorch和tensorflow共存-爱代码爱编程

Ubuntu终端成功安装Pytorch和tensorflow 1.换源 方法1 更新与软件 选中国-aliyun 方法2 sudo gedit /etc/apt/sources.list deb http://mirrors.aliyun.com/ubuntu/ xenial main restricted universe multiverse

linux系统安装anaconda、tensorflow2.0、pytorch,简单代码对比pytorch、tensorflow1.0、tensorflow2.0-爱代码爱编程

在安装好ubuntu系统后,我们将开启深度学习的进程,首先是配置python语言、多种深度学习框架、以及各种安装包的环境。 本文将介绍如下内容: linux系统中安装anacondalinux系统中安装tensorflow2.0linux系统中安装pytorch简单对比pytorch、tensorflow1.0、tensorflow2.0本文

anaconda下配置cuda_Windows下GPU深度学习环境的配置(pytorch和tensorflow)-爱代码爱编程

考虑到车辆重识别模型需要借助tensorflow以及pytorch等深度学习框架来进行训练,所以我们计划先在本机上配置好深度学习的环境来帮助我们学习一些基础知识,这里的内容主要是针对windows平台下深度学习环境的配置,且电脑带有nvidia系列的GPU,如果是CPU版本的则可以忽略前面的显卡环境配置等操作。 安装显卡驱动 显卡驱动能否成功安装直

cuda、cudnn、pytorch、tensorflow安装-爱代码爱编程

1.安装显卡驱动 去官网下载相应的驱动,安装 或者最简单的方式 在software&updates下选择相应的驱动安装 查看gpu信息 nvidia-smi 或 cat /proc/driver/nvidia/version 2.安装cuda 下载以前版本的cuda网址:https://developer.nvidia.com/c

Ubuntu20.04配置GPU,并安装TensorFlow和torch-爱代码爱编程

首先更新依赖: sudo apt-get update sudo apt-get upgrade sudo apt-get install build-essential 第一步:禁用nouveau 终端中执行: sudo gedit /etc/modprobe.d/blacklist.conf 打开文本后,在最后一行添加: blackli

【深度学习服务器环境配置】显卡驱动、CUDA11、CUDNN及torch、tensorflow安装-爱代码爱编程

文章目录 丑话说在前一、了解服务器配置1.系统版本信息2.显卡信息二、安装驱动及CUDA1.驱动安装2.卸载旧CUDA(选)3.CUDA11安装1)下载安装2)配置环境变量3)查看是否安装成功三、安装CUDNN1.下载2.解压安装3.查看是否安装成功四、 安装anaconda1.下载安装2.设置环境变量五、安装深度学习库1.torch安装2.ten

安装Nvidia驱动并使用Anaconda搭建GPU环境(安装CUDA)+ PyTorch + TensorFlow + PyTorch Lightning-爱代码爱编程

前言: 准备在实验室的一个服务器上用GPU的,但是这个服务器好久没有人用了,cuda还是10.0版本,需要重装cuda,嫌麻烦,然后发现Nvidia官网居然有anaconda安装CUDA的教程,所以考虑使用anaconda来做。 我是在Linux上安装的,但是理论上Windows和Linux用anaconda的部分是没有什么区别的。 安装好Anaco

cuda、cudnn、nvidia驱动版本、linux内核版本的对应,pytorch、tensorflow、paddle对应的cuda、cudnn版本 conda源、pip源配置-爱代码爱编程

本文把许多深度学习相关环境配置、版本查询和镜像源配置的基础操作都统一整理出来,提升实际操作的效率。 1、docker+conda配置深度学习环境 cuda、cudnn、nvidia驱动版本、linux内核版本的对应,pytorch、tensorflow、paddle对应的cuda、cudnn版本,可见本人的另一篇博客: 构建docker环境能够运行自

零基础搭建Linux的ubuntu系统anaconda+pytorch+tensorflow2.x深度学习环境(RTX 3090显卡也适用)-爱代码爱编程

1、下载NVIDIA驱动 在官网自行选版本下载:https://www.nvidia.com/Download/index.aspx 2、配置环境 1、安装vim:sudo apt-get install vim 2、编辑文件blacklist.conf:sudo vim /etc/modprobe.d/blacklist.conf 在文件最后部分插

ubuntu18.04系统安装+换源+显卡驱动安装+anaconda+cuda+cudnn+pytorch+tensorflow安装_ubuntu18.04 源_c系语言的博客-爱代码爱编程

ubuntu18.04系统安装+换源+显卡驱动安装+Anaconda+CUDA+cudnn+pytorch+tensorflow安装 文章目录 ubuntu18.04系统安装+换源+显卡驱动安装+Anacond

使用conda在linux搭建pytorch和tensorflow的gpu运行环境-爱代码爱编程

Tips: 本文使用的服务器为ubuntu18.04(1080ti x2) 文章目录 步骤总览:安装显卡驱动第一种:在可视化的界面中可以直接安装系统推荐的驱动第二种:命令行安装第三种:官网驱动安装(不推荐)下载