Ubuntu16.04安装GPU版Pytorch流程

 Ubuntu16.04安装GPU版Pytorch流程 时间:2018-03-22声明:本文为自我实践,如按本文操作有任何问题,本人不负有任何责任。 1、硬件条件电脑为i7处理器,显卡为gtx1060,其他就不重要了。 2、总体流程安装ubuntu16.04系统;安装nvidia显卡驱动;安装cuda8.0toolkit;安装cudnn8.0;安装集成开发环境anaconda3;安装pytorch

 

Ubuntu16.04安装GPUPytorch流程

 

时间:2018-03-22

声明:本文为自我实践,如按本文操作有任何问题,本人不负有任何责任。

 

1、硬件条件

电脑为i7处理器,显卡为gtx1060,其他就不重要了。

 

2、总体流程

安装ubuntu16.04系统;

安装nvidia显卡驱动;

安装cuda8.0toolkit;

安装cudnn8.0;

安装集成开发环境anaconda3;

安装pytorch;

进行测试;

 

3、安装ubuntu16.04系统

本人叫他人代装的;

 

4、安装nvidia显卡驱动

进入“系统设置——软件和更新”

 

点到“附加驱动”,然后按如图选择,然后是“应用”,然后“重启”。


 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

验证;在终端中输入:nvidia-smi,出现下图的配置信息。
 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

5、安装cuda8.0toolkit;

 

首先下载cuda8.0的安装文件,链接:https://developer.nvidia.com/cuda-toolkit-archive;本人下载的为CUDAToolkit 8.0 GA2

 

然后,安装CUDA8.0,打开终端输入以下内容,同时,如下图所示;

 

cd /media/你的用户名/TOSHIBA\ EXT/alu/CUDA/ # 进入cuda 所在文件夹
# 根据官网上的提示安装 cuda 8.0
sudo dpkg -i cuda-repo-ubuntu1604-8-0-rc_8.0.27-1_amd64​.deb
sudo apt-get update
sudo apt-get install cuda

然后配置环境变量,在终端中输入图片中的命令。在.bashrc文件中输入以下内容。

export PATH="$PATH:/usr/local/cuda-8.0/bin"
export LD_LIBRARY_PATH="/usr/local/cuda-8.0/lib64"

5.1 测试cuda

cd /usr/local/cuda-10.0/samples/1_Utilities/deviceQuery
make
./deviceQuery

正确安装时输出以下内容:

./deviceQuery Starting...

 CUDA Device Query (Runtime API) version (CUDART static linking)

Detected 1 CUDA Capable device(s)

Device 0: "GeForce GTX 1080 Ti"
  CUDA Driver Version / Runtime Version          10.1 / 10.1
  CUDA Capability Major/Minor version number:    6.1
  Total amount of global memory:                 11178 MBytes (11721506816 bytes)
  (28) Multiprocessors, (128) CUDA Cores/MP:     3584 CUDA Cores
  GPU Max Clock rate:                            1582 MHz (1.58 GHz)
  Memory Clock rate:                             5505 Mhz
  Memory Bus Width:                              352-bit
  L2 Cache Size:                                 2883584 bytes
  Maximum Texture Dimension Size (x,y,z)         1D=(131072), 2D=(131072, 65536), 3D=(16384, 16384, 16384)
  Maximum Layered 1D Texture Size, (num) layers  1D=(32768), 2048 layers
  Maximum Layered 2D Texture Size, (num) layers  2D=(32768, 32768), 2048 layers
  Total amount of constant memory:               65536 bytes
  Total amount of shared memory per block:       49152 bytes
  Total number of registers available per block: 65536
  Warp size:                                     32
  Maximum number of threads per multiprocessor:  2048
  Maximum number of threads per block:           1024
  Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
  Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535)
  Maximum memory pitch:                          2147483647 bytes
  Texture alignment:                             512 bytes
  Concurrent copy and kernel execution:          Yes with 2 copy engine(s)
  Run time limit on kernels:                     No
  Integrated GPU sharing Host Memory:            No
  Support host page-locked memory mapping:       Yes
  Alignment requirement for Surfaces:            Yes
  Device has ECC support:                        Disabled
  Device supports Unified Addressing (UVA):      Yes
  Device supports Compute Preemption:            Yes
  Supports Cooperative Kernel Launch:            Yes
  Supports MultiDevice Co-op Kernel Launch:      Yes
  Device PCI Domain ID / Bus ID / location ID:   0 / 1 / 0
  Compute Mode:
     < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >

deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 10.1, CUDA Runtime Version = 10.1, NumDevs = 1
Result = PASS

6、安装cudnn8.0

首先下载软件,链接:https://developer.nvidia.com/cudnn;需要登录,按网上的流程走就行。如下图所示:


 

然后打开终端,1cd到文件的下载目录;2、解压cudnn8.0文件;3、复制一些文件;在终端中输入以下命令;

 

cd  cd /media/你的用户名/TOSHIBA\ EXT/alu/CUDA/ # 进入 cuDNN 安装文件的所在路径
tar xvzf cudnn-8.0-linux-x64-v6.0.tgz # 解压
sudo cp cuda/include/cudnn.h /usr/local/cuda/include # 复制到 include sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 # 复制到 lib64 sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn* # 讲头文件复制进去你的用户名/TOSHIBA\ EXT/alu/CUDA/ # 进入 cuDNN 安装文件的所在路径
tar xvzf cudnn-8.0-linux-x64-v6.0.tgz # 解压
sudo cp cuda/include/cudnn.h /usr/local/cuda/include # 复制到 include sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 # 复制到 lib64 sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn* # 讲头文件复制进去

6.1 测试cudnn

拷贝完成之后,可以使用以下命令查看CUDNN的版本信息:

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

7、安装anaconda3.5

 

下载anaconda3.5文件,链接:https://www.anaconda.com/download/#linux;本人下载的为:Anaconda3-5.1.0-Linux-x86_64.sh

 

 

安装anaconda3.5;具体参考以下链接:http://blog.csdn.net/u012318074/article/details/77074665

 

验证;安装完成之后,打开终端,输入python,出现如下信息;

 

 

8、安装pytorch

 

首先,下载文件;链接:http://pytorch.org/previous-versions/;本人下载的版本为:torch-0.3.0.post4-cp36-cp36m-linux_x86_64.whl

 

 

然后,安装pytorch;在终端中cdpytorch文件的下载目录;如下图所示:

 

然后输入以下命令:pip install torch-0.2.0.post3-cp36-cp36m-manylinux1_x86_64.whl

 

安装torchvison,在终端中,刚才的目录输入以下命令:pip install torchvision,如下图所示:

 

9、验证

在终端中打开ipython,输入以下内容:

 

importtorch

x= torch.Tensor([1.0])

xx= x.cuda()

 

print(xx)

 

效果如下图所示:

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

如果没有报错就没有什么问题了。

本人是个小菜鸟,其实,个人觉得应该在安装每个模块之后就要验证以下是否安装正确。本文,分享出来,请高手更快的上手,更好的完善吧。

 

参考链接:

1、http://blog.csdn.net/red_stone1/article/details/78727096

2、http://blog.csdn.net/u012318074/article/details/77074665

3、点击打开链接

等等

 

 


作者:陈军2号
原文链接:https://blog.csdn.net/u011622208/article/details/79658571

  • 发表于 2019-11-05 20:13
  • 阅读 ( 22 )
  • 分类:pytorch

0 条评论

请先 登录 后评论
不写代码的码农
陈军2号_csdn

0 篇文章

作家榜 »

  1. AI君 10 文章
  2. Tzung-Wen Liau 0 文章
  3. blairan 0 文章
  4. rookie 0 文章
  5. 陈凯 0 文章
  6. huanxue 0 文章
  7. admin 0 文章
  8. Lzs1998_csdn 0 文章