pytorch cuba 显卡 支持列表 pytorch cuda9.1

文章目录

• 前言
• 环境安装

• 1.1 Nvidia Driver安装，CUDA9.0+CUDNN7.6

• 1.1.1 安装NVIDIA显卡驱动
• 1.1.2 安装CUDA9.0+CUDNN7.6

• 1.2 Anaconda3安装和虚拟环境配置

• 1.2.1 Anaconda3安装
• 1.2.2 Tensorflow环境配置
• 1.2.3 Pytorch环境搭建

前言

为方便开展基于Ubuntu18.04上的深度学习研究，在此记录一下学习的第一步——环境配置。以便后面重装参考。
PC环境参数:

• gpu：GTX 1060 6G
• cpu：Intel® Core™ i7-8700 CPU @ 3.20GHz × 12
• 内存：16GB
• Ubuntu版本：18.04.3LTS
• NVIDIA驱动版本：390.116
• cuda版本：cuda_9.0.176_384.81_linux
• cudnn版本：cudnn-9.0-linux-x64-v7.1

环境安装

1.1 Nvidia Driver安装，CUDA9.0+CUDNN7.6

1.1.1 安装NVIDIA显卡驱动

打开ubuntu的“软件和更新”：

• 切换为国内源，方便下载
• 选择附加驱动，选择nivdia-driver-390，再选择“应用更改”，等待安装完成，重启即可。
• 在终端输入nvidia-smi查看是否安装成功

1.1.2 安装CUDA9.0+CUDNN7.6

1.下载cuda9.0和cudnn7.6 for linux的相应版本，可到官网下载。这里提供百度网盘链接。
链接：https://pan.baidu.com/s/1YEKfuI_0_8PrWWtEAb3INA&shfl=sharepset 密码：grxl
2.对ubuntu18.04的gcc/g++进行版本管理，降级：
(1)查看当前版本，打开终端依次输入：

cd  /usr/bin
		ls -l gcc*
		ls -l g++*

(2)安装4.8版本，打开终端：

sudo apt-get install g++-4.8
		sudo apt-get install gcc-4.8

(3)在编译cuda之前将gcc/g++链接到4.8版本

sudo mv gcc gcc.bak      #backup
		sudo ln -s gcc-4.8 gcc     #link to 4.8
		sudo mv g++ g++.bak    #backup
		sudo ln -s g++-4.8 g++    #link to 4.8

(4)解压在 1 中的下载的压缩包，安装cuda9.0

cd /home/yoursuser/Downloads
sudo sh cuda_9.0.176_384.81_linux.run

• 然后一路回车，再aceept , yes，再选择no
• 装补丁文件，同上

sudo sh cuda_9.0.176.1_linux.run
sudo sh cuda_9.0.176.2_linux.run
sudo sh cuda_9.0.176.3_linux.run
sudo sh cuda_9.0.176.4_linux.run

3.修改环境变量

• 打开环境配置文本

sudo nano ~/.bashrc

• 在最后面添加下面两行代码：

export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}  
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

ctrl+o，写入，Y保存，ctrl+x离开
4.配置cudnn7.6

• 解压cudnn-9.0-linux-x64-v7.6.3.30.tgz，复制cudnn里cuda的文件到相关文件夹内，执行如下代码

sudo cp /home/librazxc/Downloads/cuda/include/cudnn.h    /usr/local/cuda-9.0/include
sudo cp /home/librazxc/Downloads/cuda/lib64/libcudnn*    /usr/local/cuda-9.0/lib64
sudo chmod a+r /home/librazxc/Downloads/cuda/include/cudnn.h   /usr/local/cuda-9.0/lib64/libcudnn*
sudo ldconfig
sudo reboot

5.打开终端输入nvcc -V，显示如下。

至此，显卡配置安装成功。

1.2 Anaconda3安装和虚拟环境配置

1.2.1 Anaconda3安装

1.下载 Anaconda3-2019.07-Linux-x86_64.sh， 官网下载

cd  Downloads/
	bash Anaconda3-5.2.0-Linux-x86_64.sh

2.进入注册信息页面，回车，输入yes，输入回车，这里采用默认位置安装。
3.重启终端，即可使用Anaconda3，修改conda国内源

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/conda-forge 
	conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
	conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
	conda config -set show_channel_urls yes

1.2.2 Tensorflow环境配置

(1)创建tensorflow虚拟环境

• 打开终端，输入：conda create -n tf112py36 python=3.6，创建环境，为匹配tensorflow，python版本选择3.6版本。
• 激活环境
  conda activate tf112py36



• 
  

(2)修改pip源

• 创建 ~/.pip/pip.conf

cd ~
mkdir .pip
sudo nano ~/.pip/pip.conf

• 在pip.conf添加以下内容

[global]
timeout = 60
index-url = http://pypi.douban.com/simple
trusted-host = pypi.douban.com

(3)安装tensorflow-gpu和相应的依赖包

pip install tensorflow-gpu==1.12
pip install cython contextlib2 pillow lxml jupyter matplotlib pandas opencv-contrib-python 
pip install pycocotools -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

(4)测试tensorflow是否安装成功。输出True，如图：

1.2.3 Pytorch环境搭建

(1)创建Pytorch虚拟环境

打开终端，输入：conda create -n pytorchpy37python=3.7，创建环境。

(2)激活环境

conda activate pytorchpy37 输入conda install pytorch torchvision cudatoolkit=9.0，再输入y即可进入安装。这里用国内源因此没有像官网那样输入-c pytorch。

(3)测试是否安装成功，True成功。