环境配置步骤:
cuda驱动—cuda10—cuDNN—anaconda3—pytorch
cuda10 + cuDNN10安装:
参考:cuda安装
1、卸载原驱动
2、安装对应cuda版本驱动
安装驱动可能的问题解决:
问题1
问题2
3、安装cuda
下载后的文件为cuda_10.0.130_410.48_linux.run,为文件赋予执行权限
chmod a+x cuda_10.0.130_410.48_linux.run
进行安装,其中download是下载后cuda所在的目录
sudo sh cuda_10.0.130_410.48_linux.run
修改环境变量:修改环境变量
sudo gedit ~/.bashrc
//添加三个路径
export CUDA_HOME=/usr/local/cuda-10.0
export LD_LIBRARY_PATH=${CUDA_HOME}/lib64
export PATH=${CUDA_HOME}/bin:${PATH}
//更新环境变量
source ~/.bashrc
//测试
cd /usr/local/cuda-10.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
Result = PASS//表示成功
vcnn -V查看cuda版本
测试cuda
4、安装cuDNN
anaconda安装:
创建pytorch环境
创建虚拟pytorch环境:
//建立虚拟环境
conda create -n pytorch python=3.7 //或者
source create -n pytorch python=3.7
//激活环境
conda activate pytorch //或者
source activate pytorch
//推出虚拟环境
source deactivate pytorch
pytorch安装:
下载地址
pip安装方法:
安装包对应位置下
pip install torch-1.0.1-cp37-cp37m-linux_x86_64.whl
pip install torch vision
//查看安装是否成功
python
import torch//不报错表示安装成功
torch.__veersion__//查看版本
torchvision安装:(安装前查询对应的版本)
pip install torchvision==0.2.0
//查看
python
import torchvision
torchvision.__version__
GPU问题
测试GPU是否可用:
检测GPU
import torch
flag = torch.cuda.is_available()
if flag:
print("CUDA可使用")
else:
print("CUDA不可用")
ngpu= 1
# Decide which device we want to run on
device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
print("驱动为:",device)
print("GPU型号: ",torch.cuda.get_device_name(0))
matploylib安装
pip install matplotlib -i http://pypi.douban.com/simple --trusted-host pypi.douban.com