Linux CentOS7 深度学习环境 安装 CUDA Cudnn 验证安装成功 3080Ti 显卡 pytorch验证 |
您所在的位置：网站首页 › 3080ti哪个版本 › Linux CentOS7 深度学习环境 安装 CUDA Cudnn 验证安装成功 3080Ti 显卡 pytorch验证 |
Linux CentOS7 深度学习环境 安装 CUDA Cudnn 验证安装成功 3080Ti 显卡 pytorch验证
|
参考：https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html 3080Ti 好像只能用CUDA 11 ，最终我装了CUDA 11.1。 1 显卡驱动安装这个是越高版本越好，因为向下兼容CUDA。安装支持你显卡的最高版本即可！ 搜索驱动并安装： https://www.nvidia.com/Download/index.aspx?lang=en-us
参考看这里：https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html 从 CUDA 11.0 开始，由于 CUDA 库（例如 cuFFT 和 CUB）中的 C++11 要求，推荐的最低 GCC 编译器至少为 GCC 6。 如何升级gcc： # 教程 https://www.cnblogs.com/jixiaohua/p/11732225.html sudo yum install centos-release-scl # 安装centos-release-scl 红帽自带工具让原始gcc和你新安装的共存 sudo yum install devtoolset-8-gcc* #安装devtoolset，注意，如果想安装7.*版本的，就改成devtoolset-7-gcc*，以此类推 scl enable devtoolset-8 bash # 激活对应的devtoolset，所以你可以一次安装多个版本的devtoolset，需要的时候用下面这条命令切换到对应的版本 gcc -v # 查看版本 # 避免下次重启终端后还是会恢复到gcc4.8.5,所以： cd /usr/bin/ # 去这个目录 mv /usr/bin/gcc /usr/bin/gcc-4.8.5 # 备份原有gcc ln -s /opt/rh/devtoolset-8/root/bin/gcc /usr/bin/gcc # 软链接 mv /usr/bin/g++ /usr/bin/g++-4.8.5 # 备份 没有的话可以不管 ln -s /opt/rh/devtoolset-8/root/bin/g++ /usr/bin/g++ # 软链接 没有的话可以不管 gcc --version # 查看版本 g++ --version # 查看版本查看你的centos系统内核版本，应该满足下面图里的要求： uname -srm 输出结果： Linux 3.10.0-957.12.2.el7.x86_64 x86_64 3 - 内核版本. 10 - 主修订版本. 0-957 - 次要修订版本. 12 - 补丁版本.
下载cuda的run文件： https://developer.nvidia.com/cuda-toolkit-archive
linux下载与安装很方便： wget https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/cuda_11.1.0_455.23.05_linux.run sudo sh cuda_11.1.0_455.23.05_linux.run安装时不用选择选卡驱动，其他的选上然后安装即可。 成功安装后看到： (base) [root@localhost ~]# sh cuda_11.1.0_455.23.05_linux.run =========== = Summary = =========== Driver: Not Selected Toolkit: Installed in /usr/local/cuda-11.1/ Samples: Installed in /root/, but missing recommended libraries Please make sure that - PATH includes /usr/local/cuda-11.1/bin - LD_LIBRARY_PATH includes /usr/local/cuda-11.1/lib64, or, add /usr/local/cuda-11.1/lib64 to /etc/ld.so.conf and run ldconfig as root To uninstall the CUDA Toolkit, run cuda-uninstaller in /usr/local/cuda-11.1/bin ***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least .00 is required for CUDA 11.1 functionality to work. To install the driver using this installer, run the following command, replacing with the name of this run file: sudo .run --silent --driver Logfile is /var/log/cuda-installer.log所以增加环境变量 vim /etc/profile # 进入文件写env变量 # 在最后添加三句话env export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.1/lib64 export PATH=$PATH:/usr/local/cuda-11.1/bin export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-11.1 # 也可以这样添加 export LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64 export PATH=$PATH:/usr/local/cuda-11.1/bin export CUDA_HOME=/usr/local/cuda-11.1 source /etc/profile # 生效env变量此时就能查看CUDA版本： (torch111_k) [root@localhost ~]# nvcc -V nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2020 NVIDIA Corporation Built on Tue_Sep_15_19:10:02_PDT_2020 Cuda compilation tools, release 11.1, V11.1.74 Build cuda_11.1.TC455_06.29069683_0关于安装CUDA出现的WARNING: Incomplete installation!提示：别管他！ 3 cuDNN参考看这里：https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html 下载链接：https://developer.nvidia.com/zh-cn/cudnn 需要注册登陆才能下载，下载与CUDA版本对应的版本：
安装很简单： tar -zxvf cudnn-11.1-linux-x64-v8.0.5.39.tgz # 解压后就是cuda文件夹 sudo cp cuda/include/cudnn*.h /usr/local/cuda/include sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*验证cudnn安装成功： # CUDA 10.2 conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c nvidia vim test.py import torch # 若正常则静默 a = torch.tensor(1.) # 若正常则静默 print(a.cuda()) # 若正常则返回 tensor(1., device='cuda:0') from torch.backends import cudnn # 若正常则静默 print(cudnn.is_available()) # 若正常则返回 True print(cudnn.is_acceptable(a.cuda())) # 若正常则返回 True 总的来说 #!/bin/bash cd /data scp -r [email protected]:/data/datagpu/ /data sudo yum install wget vim -y sudo yum install centos-release-scl -y # 安装centos-release-scl 红帽自带工具让原始gcc和你新安装的共存 sudo yum install devtoolset-8-gcc* -y #安装devtoolset，注意，如果想安装7.*版本的，就改成devtoolset-7-gcc*，以此类推 scl enable devtoolset-8 bash # 激活对应的devtoolset，所以你可以一次安装多个版本的devtoolset，需要的时候用下面这条命令切换到对应的版本 gcc -v # 查看版本 cd /data/datagpu/ sh cuda_11.1.0_455.23.05_linux.run echo "export LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64" >>/etc/profile echo "export PATH=$PATH:/usr/local/cuda-11.1/bin" >>/etc/profile echo "export CUDA_HOME=/usr/local/cuda-11.1" >>/etc/profile source /etc/profile nvcc -V tar -zxvf cudnn-11.1-linux-x64-v8.0.5.39.tgz # 解压后就是cuda文件夹 sudo cp cuda/include/cudnn*.h /usr/local/cuda/include sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn* sh Miniconda3-py38_4.9.2-Linux-x86_64.sh rm -rf ~/.condarc vim ~/.condarc channels: - defaults show_channel_urls: true channel_alias: https://mirrors.bfsu.edu.cn/anaconda default_channels: - https://mirrors.bfsu.edu.cn/anaconda/pkgs/main - https://mirrors.bfsu.edu.cn/anaconda/pkgs/free - https://mirrors.bfsu.edu.cn/anaconda/pkgs/r - https://mirrors.bfsu.edu.cn/anaconda/pkgs/pro - https://mirrors.bfsu.edu.cn/anaconda/pkgs/msys2 custom_channels: conda-forge: https://mirrors.bfsu.edu.cn/anaconda/cloud msys2: https://mirrors.bfsu.edu.cn/anaconda/cloud bioconda: https://mirrors.bfsu.edu.cn/anaconda/cloud menpo: https://mirrors.bfsu.edu.cn/anaconda/cloud pytorch: https://mirrors.bfsu.edu.cn/anaconda/cloud simpleitk: https://mirrors.bfsu.edu.cn/anaconda/cloud source ~/.bashrc conda create -n torch python=3.8 source ~/.bashrc conda activate torch conda install -y pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c nvidia python test.py |
【本文地址】
今日新闻 |
推荐新闻 |