Ubuntu16.04安装Pytorch+CUDA

Pytorch与TensorFlow

近年来,Pytorch深度学习框架由于其构建网络结构简单、入门门槛较低,越来越受到深度学习开发者的青睐,它与TensorFlow不同在于Pytorch是一个动态的框架,不需要一开始就定好了网络的架构,在运行期间可以边调试边修改,而TensorFlow则反之,这样带来的好处是开发者不需要一开始明确所构建网络的结构,可以慢慢学习找到更合适的结构,就好比在建筑工地的实地考察的工程师,工人们每搭一堵墙都会过来询问下一步要做什么,而TensorFlow就好比在办公室画图纸的建筑师,在施工之前就设计好整栋大楼的结构,而且设计时候也不会有人打扰,当然效率就比Pytorch要高了。

安装步骤

环境:Ubuntu16.04

显卡:NVIDIA GTX970

安装显卡驱动

由于我们需要在Pytorch使用CUDA加速训练过程,因此第一步需要安装显卡驱动为安装CUDA做准备。

  1. 到NVIDIA官网下载相应的显卡驱动,地址是http://www.nvidia.com/Download/index.aspx?lang=en-usblacklist nouveau options nouveau modeset=0
  2. ctrl + alt + f1 #进入命令行模式以停止对显卡的使用
  3. sudo service lightdm stop #关闭图形界面
  4. sudo apt-get remove --purge nvidia* #删除旧的驱动
  5. sudo apt-get update
  6. sudo apt-get install dkms build-essential linux-headers-generic #安装依赖
  7. sudo vim /etc/modprobe.d/blacklist-nouveau.conf #禁用nouveau,输入以下内容
  8. 保存上述文件后退出
  9. sudo update-initramfs -u
  10. 重启电脑
  11. ctrl + alt + f1 #再次进入命令行模式
  12. sudo service lightdm stop #再次关闭图形界面
  13. cd到驱动下载目录
  14. sudo service lightdm stop
  15. sudo ./NVIDIA-Linux-x86_64-384.98.run -no-opengl-files #安装驱动
  16. sudo service lightdm start #启动图形界面
  17. cat /proc/driver/nvidia/version #测试驱动

安装CUDA

  1. 到NVIDIA官网下载相应系统的CUDA安装包:https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=deblocal
  2. sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb #安装deb包
  3. sudo apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub #apt添加安装CUDA所需要的公钥
  4. sudo apt-get update
  5. sudo apt-get install cuda #apt安装CUDA
  6. export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}} #添加环境变量
  7. export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} #64位系统需要

安装cuDNN

cuDNN是NVIDIA用来加速深度神经网络训练的工具库,虽然不是必需,但为了以后更方便地使用,还是装上吧。

安装Anaconda

本文使用conda安装Pytorch,读者也可以选择pip,但笔者用pip安装过两次都没成功,最终还是选择conda,这也是一个python的包管理工具,但Pytorch官方推荐conda,貌似安装依赖更全一点。

  1. 前往https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 下载Anaconda.sh
  2. bash Anaconda.sh
  3. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ #添加清华大学的镜像源,以加速conda下载速度
  4. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  5. conda config --set show_channel_urls yes
  6. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ #专门添加Pytorch镜像源,由于Pytorch是Facebook推出的,所以国内是无法直接访问其whl文件的,需要借助清华大学的镜像源

安装Pytorch

  1. conda install pytorchpython import torchprint(torch.cuda.is_available())
  2. conda install torchvision
  3. 测试Pytorch
  4. 测试是否能使用cuda

参考文档

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏机器之心

从零开始:深度学习软件环境安装指南

40580
来自专栏Zchannel

用GPU加速深度学习: Windows安装CUDA+TensorFlow教程

20050
来自专栏数据派THU

手把手教你安装深度学习软件环境(附代码)

来源:机器之心 本文长度为2800字,建议阅读5分钟。 本文向你解释如何在一台新装的 Ubuntu 机器上安装 Python 和 Nvidia 硬件驱动、各类库...

22780
来自专栏ATYUN订阅号

Docker Compose + GPU + TensorFlow = Heart

Docker是一个开源的应用容器引擎——越来越多的人将它用于开发和分发上。即时环境设置、平台独立应用、即时解决方案、更好的版本控制、简化维护。可以说Docker...

43370
来自专栏IT派

从零开始:手把手教你安装深度学习操作系统、驱动和各种python库!

为了研究强化学习,最近购置了一台基于 Ubuntu 和英伟达 GPU 的深度学习机器。尽管目前在网络中能找到一些环境部署指南,但目前仍然没有全面的安装说明。另外...

47380
来自专栏Small Code

Check failed: stream->parent()->GetConvolveAlgorithms(&algorithms)解决办法

由于我很早就在 GitHub 下载了 TensorFlow 的源码库没有更新,在运行 TensorFlow 官方的 CNN 例子的时候,总是报 ImportEr...

51190
来自专栏字根中文校对软件

JcJc人工智能错别字校对系统API(网站错别字检查)

JcJc人工智能错别字校对系统API - 网站错别字检查 中文校对软件 http://cuobiezi.net/zigen_jiaodui.html App...

52450
来自专栏吉浦迅科技

DAY74:阅读Runtime

我们正带领大家开始阅读英文的《CUDA C Programming Guide》,今天是第73天,我们正在讲解CUDA 动态并行,希望在接下来的27天里,您可以...

8510
来自专栏AI研习社

用GPU加速深度学习: Windows安装CUDA+TensorFlow教程

背景 在Windows上使用GPU进行深度学习一直都不是主流,我们一般都首选Linux作为深度学习操作系统。但很多朋友如果只是想要了解深度学习,似乎没有必要...

1.2K40
来自专栏机器学习算法与Python学习

值得收臧 | 从零开始搭建带GPU加速的深度学习环境(操作系统、驱动和各种机器学习库)

关键字全网搜索最新排名 【机器学习算法】:排名第一 【机器学习】:排名第一 【Python】:排名第三 【算法】:排名第四 原文:https://medium....

40160

扫码关注云+社区

领取腾讯云代金券