gpu伺服器開發環境搭建
阿新 • • 發佈:2021-12-02
gpu伺服器開發環境搭建
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