专栏首页PyVisionRTX 3090,3080,3070安装 TensorFlow & PyTorch

RTX 3090,3080,3070安装 TensorFlow & PyTorch

目前(至11/7/2020)我们还无法在英伟达 RTX 30 系列 GPU(Ampere)上通过 pip/conda 安装 TensorFlow 或 PyTorch。因为这些 GPU 需要 CUDA 11.1,而当前主流的 TensorFlow/PyTorch 版本不是针对 CUDA 11.1 编译的。现在要在 30XX GPU 上运行这些库的话只能手动编译或者用英伟达 docker 容器。

另外虽然 PyTorch 支持 CUDA 11.0, 但 11.0 只支持compute capability 8.0,而不支持 RTX 30系列的compute capability 8.6。CUDA 11.1才引入了对8.6的支持(见release notes: https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html)。PyTorch + CUDA 11.0 可以在 30 系列上运行,但能用的功能集不全,性能会低不少。

解决方案

Lambda Stack,一个免费的 Ubuntu 20.04 APT 包,由 Lambda(一家设计深度学习工作站和服务器并运营公有 GPU 云的公司) 创建。Lambda Stack 可以安装并管理可在 RTX 3090,RTX 3080和 RTX 3070上运行的 TensorFlow 和 PyTorch 版本。

提醒

最新的 cuDNN 还没有针对 RTX 30 系列进行优化,一个更快的版本不久将会发布。

Lambda Stack 包括

  • TensorFlow v2.3.0
  • PyTorch v1.6.0
  • CUDA v11.1
  • cuDNN v7.6.5
  • 依赖和其他框架比如 Caffe 和 Theano

系统要求

  • 英伟达 GPU (如 RTX 3090, 3080, 3070, 2080 Ti 或 Quadro RTX 8000)
  • Ubuntu 20.04 LTS (Focal Fossa)

安装 Lambda Stack (桌面版)

LAMBDA_REPO=$(mktemp) && \
wget -O${LAMBDA_REPO} https://lambdalabs.com/static/misc/lambda-stack-repo.deb && \
sudo dpkg -i ${LAMBDA_REPO} && rm -f ${LAMBDA_REPO} && \
sudo apt-get update && sudo apt-get install -y lambda-stack-cuda

然后重启。

安装 Lambda Stack (服务器版)

LAMBDA_REPO=$(mktemp) && \
wget -O${LAMBDA_REPO} https://lambdalabs.com/static/misc/lambda-stack-repo.deb && \
sudo dpkg -i ${LAMBDA_REPO} && rm -f ${LAMBDA_REPO} && \
sudo apt-get update && \
sudo apt-get --yes upgrade && \
sudo apt-get install --yes --no-install-recommends lambda-server && \
sudo apt-get install --yes --no-install-recommends nvidia-headless-455 && \
sudo apt-get install --yes --no-install-recommends lambda-stack-cuda

然后重启。

开始使用 TensorFlow/PyTorch

$ python
>>> import tensorflow
>>> tensorflow.__version__
'2.3.0'
>>> import torch
>>> torch.__version__
'1.6.0'

管理你的 TensorFlow/PyTorch 安装

如果有更新版本的 PyTorch、 TensorFlow、 CUDA 或 cuDNN 发布,只需运行:

sudo apt-get update && sudo apt-get dist-upgrade

然后重启。

参考:https://lambdalabs.com/blog/install-tensorflow-and-pytorch-on-rtx-30-series/

本文分享自微信公众号 - PyVision(gh_50da604d2d15),作者:McGL

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2020-11-08

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 一行命令装下所有「炼丹」工具及依赖项,就靠这个免费软件源了|教程

    相信不少人在“炼丹”过程中,光是安装或更新下面这“几大位”时就经历了一段"血泪史"吧:

    量子位
  • Ubuntu 20.04 LTS/RTX30XX显卡 快速配置深度学习环境(一行命令)

    近日,新入一台RTX3080的服务器,目前好像还没办法很方便地在 RTX 30 系列 GPU上通过 pip/conda 安装 TensorFlow 或 PyTo...

    黄博的机器学习圈子
  • 2万元「煤气灶」Titan RTX做深度学习?机器之心为读者们做了个评测

    2018 年 12 月,英伟达在加拿大蒙特利尔 NeurIPS 大会上发布最新款产品 Titan RTX,作为 2017 年 Titan V 的「继承者」,Ti...

    机器之心
  • 『带你学AI』测试深度学习框架GPU版本是否正确安装方法:TensorFlow,PyTorch,MXNet,PaddlePaddle

    在深度学习框架GPU版本安装成功后,需要测试一下是否成功安装。GPU版本不像CPU版本的简单,CPU版本测试一般只需import一下测试是否能正确导入即可。GP...

    小宋是呢
  • 『AI实践学』测试深度学习框架GPU版本是否正确安装方法:TensorFlow,PyTorch,MXNet,PaddlePaddle

    在深度学习框架GPU版本安装成功后,需要测试一下是否成功安装。GPU版本不像CPU版本的简单,CPU版本测试一般只需import一下测试是否能正确导入即可。GP...

    小宋是呢
  • 用Windows电脑训练深度学习模型?超详细配置教程来了

    本文将介绍在 Windows 计算机上配置深度学习环境的全过程,其中涉及安装所需的工具和驱动软件。出人意料的是,即便只是配置深度学习环境,任务也不轻松。你很有可...

    机器之心
  • 用Windows电脑训练深度学习模型?超详细配置教程来了

    本文将介绍在 Windows 计算机上配置深度学习环境的全过程,其中涉及安装所需的工具和驱动软件。出人意料的是,即便只是配置深度学习环境,任务也不轻松。你很有可...

    计算机视觉联盟
  • 用Windows电脑训练深度学习模型?超详细配置教程来了

    本文将介绍在 Windows 计算机上配置深度学习环境的全过程,其中涉及安装所需的工具和驱动软件。出人意料的是,即便只是配置深度学习环境,任务也不轻松。你很有可...

    代码医生工作室
  • cuDNN installation

    NVIDIA cuDNNis a GPU-accelerated library of primitives for deep neural networks.

    vanguard
  • 做深度学习这么多年还不会挑GPU?这儿有份选购全攻略

    一个好的GPU可以让你快速获得实践经验,而这些经验是正是建立专业知识的关键。如果没有这种快速的反馈,你会花费过多时间,从错误中吸取教训。

    大数据文摘
  • 英伟达GTC十周年游乐场!黄老板演示马良神笔草图变实景,发布99美元迷你AI插件

    今天,英伟达2019GPU 技术大会(GTC19)在美国加利福尼亚州圣何塞举行。在这一严重拖堂、长达2小时40分钟的Keynote演讲中,英伟达创始人兼首席执行...

    大数据文摘
  • 英伟达GTC十周年游乐场!黄老板演示马良神笔草图变实景,发布99美元迷你AI插件

    今天,英伟达2019GPU 技术大会(GTC19)在美国加利福尼亚州圣何塞举行。在这一严重拖堂、长达2小时40分钟的Keynote演讲中,英伟达创始人兼首席执行...

    大数据文摘
  • 7000美元,搭建4块2080Ti的深度学习工作站

    在之前的博客中,来自 MIT 的 Curtis Northcutt 分享了构建专业质量的深度学习工作站和购买零件的所有细节,搭建该工作站共花费了 6200 美元...

    机器之心
  • 如何通过Maingear的新型Data Science PC将NVIDIA GPU用于机器学习

    深度学习使我们能够执行许多类似人类的任务,但是如果是数据科学家并且没有在FAANG公司工作(或者如果没有开发下一个AI初创公司),那么仍然有可能会使用和旧的(好...

    代码医生工作室
  • 仅需6200美元,高性价比构建3块2080Ti的强大工作站

    在他的配置下,整个系统需花费 6200 美元(约合 41700 元人民币),相比 AI 硬件供应商 Lambda Labs 提供的整机要便宜一半。如何为实验室组...

    机器之心
  • 全球首款64核AMD工作站发布,搭载最新线程撕裂者Pro,号称“地表最强”

    联想在总部未来中心发布了全球首款64核工作站ThinkStation P620,这也是全球首款采用AMD线程撕裂者Pro处理器的专业工作站。

    量子位
  • RTX 3090 AI性能实测:FP32训练速度提升50%,张量核心缩水

    其中,性能最强大的RTX 3090具有24GB显存和10496个CUDA核心。而2018年推出的旗舰显卡Titan RTX同样具有24GB显存。

    量子位
  • 腾讯开源 TurboTransformers,推理加速性能超越 TensorRT 等主流优化引擎!

    在自然语言处理领域,以 BERT 为代表的 Transformer 神经网络模型是近年来最重要的模型创新,为诸如阅读理解、文章摘要、语义分类、同义改写等 NLP...

    杰哥的IT之旅
  • 腾讯开源TurboTransformers,推理加速性能超越TensorRT等主流优化引擎

    在自然语言处理领域,以 BERT 为代表的 Transformer 神经网络模型是近年来最重要的模型创新,为诸如阅读理解、文章摘要、语义分类、同义改写等 NLP...

    机器之心

扫码关注云+社区

领取腾讯云代金券