这样搭建Ubuntu系统GPU环境，看完还不会，你来找我！（收藏干货） |
您所在的位置：网站首页 › 9uk是多少厘米 › 这样搭建Ubuntu系统GPU环境，看完还不会，你来找我！（收藏干货） |
|
image
Ubuntu 20.04 LTS 搭建GPU环境 image胜利是不会向我们走来的，我们必须自己走向胜利。 Victory won't come to us unless we go to it. image入门人工智能领域，深度学习也好，强化学习也罢，如果没有算力做支撑，还是早点洗洗睡吧，毕竟梦里啥都有！ 因此，对于入门这个领域的本科生、研究生或准备进入工业界的相关群体来说，学会搭建GPU环境是必备的基本功技能之一。下面，我将尽可能详细地说明，甚至重现每一步的结果截图，以便有益于诸君。 进入终端，执行命令 nvidia-smi image可以看到，系统此时支持的CUDA版本为11.2 一、安装CUDA 进入CUDA安装的官网 https://developer.nvidia.com/cuda-toolkit-archive找到匹配的CUDA11.2 image选择Linux image选择x86_64 ----Ubuntu----20.04(根据实际系统版本选择)---deb(local) image系统信息查询补充： 系统版本查看 lsb_release -a image Distributor ID: Ubuntu //类别是 Ubuntu Description：Ubuntu 20.04.2 LTS //20年4月发布的长时间支持版本 // LTS 是 Long Term Support：长时间支持版本，支持周期长达三年至五年 Release 20.04 //发行日期或者发行版本号 Codename：focal //ubuntu的代号名称系统内核版本和位数查看 image其中x86_64就代表是64位的 我们回到主线任务，点击deb(local)后，CUDA官网便会给出对应的下载安装命令。 image在系统中进入下载文件夹 image打开终端 image开始逐条执行命令 1wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin2sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-6003wget https://developer.download.nvidia.com/compute/cuda/11.2.2/local_installers/cuda-repo-ubuntu2004-11-2-local_11.2.2-460.32.03-1_amd64.deb4sudo dpkg -i cuda-repo-ubuntu2004-11-2-local_11.2.2-460.32.03-1_amd64.deb5sudo apt-key add /var/cuda-repo-ubuntu2004-11-2-local/7fa2af80.pub6sudo apt-get update7sudo apt-get -y install cuda image image执行到第3条命令时，需要下载cuda本地deb安装包 ，时间会稍长些 image可能会出现“段错误（核心已转储）” image我们执行命令，查看目前资源限制的设定。 ulimit -a可以看到堆栈的大小为8192k 大约8M多，我们将其存储空间调大 image执行命令，将其调整为100M ulimit -s 102400 image调整后，将下载不完整的安装包删除 image删除后，再次运行下载安装包下载命令 image发现仍然会出现此错误 image忽视此错误，继续安装，发现报错 image于是继续删除下载不完整的文件 image执行命令 ulimit -c unlimited再次进行下载 image发现，weget已经可以下载到100成功解决“段错误（核心已转储）”问题 image继续执行安装命令 image发现公钥没有被安装，根据提示安装公钥，执行命令 sudo apt-key add /var/cuda-repo-ubuntu2004-11-2-local/7fa2af80.pub image继续执行安装命令 image执行下一步更新apt-get源 image执行安装cuda image安装完成 image查看cuda信息 nvcc -V image根据提示信息，安装nvidia-cuda-toolkit工具套装 sudo apt install nvidia-cuda-toolkit image输入y继续执行 image安装时间较长 image装好后继续执行命令查看cuda image说明cuda安装成功！ 二、安装cudnn 进入cuDNN官网 https://developer.nvidia.com/cudnn image点击下载cuDNN （需要登录，未注册的需要先注册） image输入邮箱 image输入密码或注册成功后，进入下载页面，记得勾选“I Agree... 同意协议选项” image选择对应CUDA 11.X的 cuDNN image找到Ubuntu对应的3个deb安装包，全部下载 image下载成功后 image先执行命令，利用正则查看文件 模糊查询lib开头的（为了复制文件名） ls |grep lib image开始安装 1sudo dpkg -i libcudnn8_8.2.0.53-1+cuda11.3_amd64.deb2sudo dpkg -i libcudnn8-dev_8.2.0.53-1+cuda11.3_amd64.deb3sudo dpkg -i libcudnn8-samples_8.2.0.53-1+cuda11.3_amd64.deb安装runtime版 image安装dev开发版 image安装样例代码 image测试cuDNN是否安装成功 cuDNN的样例代码位置在/usr/src/cudnn_samples_v8(注意这里的v8指版本8，不同的cuda可能对应不同的版本，有的是v7) ，我们可以通过编译mnistCUDNN sample进行验证 执行命令，复制样例到自己新建的lab文件夹 （1）先确定lab文件夹路径 1cd ~2ls3cd lab4pwd image（2）开始复制并测试 1cp -r /usr/src/cudnn_samples_v8/ /home/yhl/lab image 1cd /home/yhl/lab/cudnn_samples_v8/mnistCUDNN image进行编译 1make clean && make出现错误“FreeImage.h” image安装libfreeimage3库即可解决“FreeImage.h”没有被发现的错误。 1sudo apt-get install libfreeimage3 libfreeimage-dev image安装完成 image再次进行编译 1make clean && make image测试运行 1./mnistCUDNN image出现Test passed ! 表示cuDNN已经安装成功并且能够正常使用。 image image如果你在操作过程中遇到了什么问题，或有什么想法和建议（希望大家多提想法和建议，一起交流，一起进步****~），在留言区留下你的足迹吧，看到后便会及时回复大家哦~ |
今日新闻 |
推荐新闻 |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |