gpu伺服器開發環境搭建

參考連線

檢查顯示卡和驅動

檢查驅動列表

檢視建議版本

檢查GPU是否支援CUDA

檢視型號

去網站輸入1db6，可以得到顯示卡型號

安裝驅動並測試

直接安裝推薦版驅動

sudo ubuntu-drivers autoinstall

重啟電腦測試驅動是否啟動

有這樣的反饋表示正常啟動了。

安裝anoconda

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.3.1-Linux-x86_64.sh

依次輸入enter、yes、yes、no（不安裝vscode），source ~/.bashrc使環境變數生效

配置pytorch環境

#建立虛擬環境，並以pytorch_1.2命名，python版本為3.7
$conda create -n pytorch_1.2 python=3.7

#啟用剛剛建立的虛擬環境
$ conda activate pytorch_1.2

#安裝pytorch_1.2相關包，以及cudatoolkit（直接重pytorch官網複製）
#pytorch官網連結 https://pytorch.org/get-started/previous-versions/
$ conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0 -c pytorch

#完成後檢查GPU是否可用
$python
>>> import torch
>>> torch.cuda.is_available()
True
#True表示成功，Flase表示失敗
 

配置tensorflow環境

#建立虛擬環境，並以tensorflow_2.0.0命名，python版本為3.7
$conda create -n tensorflow_2.0.0 python=3.7

#啟用剛剛建立的虛擬環境
$ conda activate tensorflow_2.0.0

#安裝tensorflow_2.0.0相關的工具包
$ conda install tensorflow-gpu==2.0.0 


#完成後檢查GPU是否可用
$python
>>> import tensorflow as tf
>>> tf.test.is_gpu_available()
True
#True表示成功，Flase表示失敗
 

conda配置好不同的工具環境，工具環境和系統環境是獨立的