配置GPU环境

匹配版本

版本匹配是配制GPU环境的重要前题。特别是使用Tensorflow版本的小伙伴。下面两个图是匹配各个CUDA的版本对应表。

Linux/Windows

服务器BMC不显示GPU显卡怎么处理 服务器没有gpu_服务器BMC不显示GPU显卡怎么处理

MACOS

对mac没研究过，待后续补充-.-！

配置过程

在了解版本对应关系后就要开始配置GPU了，当然在这之前可以决定是否创建新的python环境。
1.新建环境：conda create -n xxx python=3.8 (注：xxx为你自己新建环境名字，可以自己取，后面都用xxx代替)
2.激活环境：因为服务器一般是Linux，所以使用命令 ：source activate xxx `

检查版本

默认电脑或服务器安装了N卡驱动，这样就可以在终端中输入nvidia-smi，看右上角的CUDA Version对应的版本，显示如图：

服务器BMC不显示GPU显卡怎么处理 服务器没有gpu_服务器_02


面板显示CUDA Version 为11.0，这样后续所有的内容都将为11.0版本的CUDA服务。

下载安装CUDA

1、到cuda下载对应的版本。
https://developer.nvidia.com/cuda-toolkit-archive 安装：

sudo sh cuda_11.0.89_440.33.01_linux.run

2、如果安装提示gcc版本问题:
Failed to verify gcc version.See log at /var/log/cuda-installer.log for details.
解决方式1：cat /var/log/cuda-installer.log 则会看到问题及解决方法，执行时加上 --override 来忽略gcc版本不匹配问题。

sudo sh cuda_11.0.89_440.33.01_linux.run --override

解决方式2：gcc降级。

开始执行时先accept接受协议许可，然后选择安装项

服务器BMC不显示GPU显卡怎么处理 服务器没有gpu_windows_03


Driver驱动已经安装过了，这里不再对Driver进行选择会重新安装驱动(安装过程未截图，该图摘自网络)，因为以前已经安装过驱动程序了，在此只选择CUDA Toolkit选项，其它取消即可（enter键）。如果以前安装过cuda，则安装过程会提示cuda符号链接已经存在了，是否覆盖，选择是或继续即可。

选择install，等待安装完成。

3，配置cuda环境变量

gedit ~/.bashrc

或者vim ~/.bashrc 在末尾加上以下内容（按o）：

export PATH=/usr/local/cuda-11.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.0/lib64:$LD_LIBRARY_PATH

保存退出（:wq）后使环境变量生效：

$ source ~/.bashrc

安装CUDNN

链接：https://developer.nvidia.com/rdp/cudnn-download 安装cudnn，即把解压出的cuda目录中相关的cudnn的头文件及库文件拷贝到安装的cuda目录即可。

tar -xzvf cudnn-11.0-linux-x64-v7.2.1.38.tgz

cudnn在第1步已经解压出cuda目录，拷贝到cuda的安装目录：
然后在当前路径输入命令：
复制文件：

sudo cp cuda/include/cudnn.h    /usr/local/cuda-11.0/include
sudo cp cuda/lib64/libcudnn*    /usr/local/cuda-11.0/lib64

添加读取权限：

sudo chmod a+r /usr/local/cuda-11.0/include/cudnn.h   /usr/local/cuda-11.0/lib64/libcudnn*

至此全部成功安装。

安装tensorflow和pytorch

个人建议使用pip安装tensorflow，虽然慢但是出BUG机会小

pip install tensorflow-gpu==版本号

对于pytorch, 可进入torch官网下载安装

服务器BMC不显示GPU显卡怎么处理 服务器没有gpu_服务器BMC不显示GPU显卡怎么处理_04


服务器BMC不显示GPU显卡怎么处理 服务器没有gpu_服务器BMC不显示GPU显卡怎么处理_05


寻找到适合CUDA版本的torch安装命令，进行安装。（注：torch版本支持向下兼容）

服务器BMC不显示GPU显卡怎么处理 服务器没有gpu_linux_06

检验是否安装成功

1、CUDA检测:

nvcc -V

2、tensorflow：

from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

3、pytorch:

#判断是否安装了cuda
import torch
print(torch.cuda.is_available())  #返回True则说明已经安装了cuda
#判断是否安装了cuDNN
from torch.backends import  cudnn 
print(cudnn.is_available())  #返回True则说明已经安装了cuDNN