GPU云服务器ubuntu系统配置深度学习pytorch框架（一）

原创

用户9697813

发布于 2022-05-30 21:49:52

1.9K0

发布于 2022-05-30 21:49:52

文章被收录于专栏：配置环境

一、基础配置

GPU服务器：Tesla T4(显存16G)

CPU：20核80G

操作系统：ubuntu18.04

系统盘：100G硬盘

二、环境配置

1）安装显卡驱动

1.删除原有驱动

sudo apt-get purge nvidia*
sudo apt-get autoremove

2.禁用noveau

创建并编辑文件

sudo vim /etc/modprobe.d/blacklist-nouveau.conf

禁用

blacklist nouveau
options nouveau modeset=0
ONBOOT=yes

/etc/sysconfig/network-scripts/ifcfg-eth0的配置文件中，ONBOOT=yes必须设置，这样可以保证系统重启时进行ssh连接时，网络服务也会自启动，否则会导致网络不通。

重启

sudo reboot

3.安装指定版本驱动

通过网址查看对应版本，并下载对应显卡驱动

https://www.nvidia.cn/Download/index.aspx?lang=cn

使用 wget 命令，下载

wget 驱动网址

修改权限

chmod +x NVIDIA-Linux-x86_64-xxxx.run

关于失败报错问题

ERROR: Failed to find dkms on the system!


ERROR: Failed to install the kernel module through DKMS. No kernel module was
       installed; please try installing again without DKMS, or check the DKMS
       logs for more information.


ERROR: Installation has failed.  Please see the file
       '/var/log/nvidia-installer.log' for details.  You may find suggestions on
       fixing installation problems in the README available on the Linux driver
       download page at www.nvidia.com.

解决办法

sudo apt-get install dkms
# 查看版本号
cd /usr/src 
ls
# 重新生成对应驱动模块
sudo dkms install -m nvidia -v xxx（版本号）

利用nvidia-smi 检查

成功！

2）CUDA和cuDNN

1.安装CUDA

nvidia-smi查看已显示cuda版本，为防止后续出现问题，选取了相同版本下载

官网 https://developer.nvidia.com/

wget https://developer.download.nvidia.com/compute/cuda/11.6.0/local_installers/cuda_11.6.0_510.39.01_linux.run
sudo sh cuda_11.6.0_510.39.01_linux.run

添加环境变量并检查cuda安装版本

export PATH=$PATH:/usr/local/cuda/bin  #添加环境变量
nvcc -V  #检查CUDA版本

多个cuDNN切换

查看安装位置

cd /usr/local/
stat cuda

建立连接(xxx代表版本号)

sudo rm -rf cuda
sudo ln -s /usr/local/cuda-xxx /usr/local/cuda

2.安装cuDNN

下载对应版本cuDNN https://developer.nvidia.com/

（注意关于ubuntu三项均需下载）

安装

cd 文件夹
sudo dpkg -i cudnn文件

测试cudnn是否安装成功

cp -r /usr/src/cudnn_samples_v7/ /home/wdong/
cd /home/wdong/cudnn_samples_v7/mnistCUDNN
make clean && make
./mnistCUDNN

出现 Test passed！成功

3.conda

4.torch环境

5.库导入环境迁移

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

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

https

网络安全

深度学习

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

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

https

网络安全

深度学习

登录后参与评论

0 条评论

热度