Configuration de l'environnement d'apprentissage en profondeur - ubuntu20.04 installe cuda et cudnn

l'apprentissage en profondeur

1. Installez CUDA

cuda est la plate-forme de langage de programmation de NIVEA. Si vous souhaitez utiliser le GPU, vous devez utiliser cuda. ​​​​Téléchargez le fichier d'installation de cuda à partir d'ici.
Sélectionnez d'abord la version appropriée et téléchargez la dernière cuda 11.4 ici.


Installez selon les instructions ci-dessus.
Étant donné que le pilote NVIDIA est déjà installé, ne choisissez pas d'installer le pilote NVIDIA ici. Les autres sont par défaut. Comme le montre la figure ci-dessous, la première n'est pas sélectionnée. Une

fois l'installation réussie, vous devez configurer les variables d'environnement. Sinon, lors de l'utilisation de l'accélération GPU,
les variables d'environnement de configuration GPU sont introuvables :

gedit ~/.bashrc

Ajoutez l'instruction suivante à la fin du fichier ouvert et enregistrez :

export PATH=/usr/local/cuda-11.4/bin${
    
    PATH:+:${
    
    PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.4/lib64${
    
    LD_LIBRARY_PATH:+:${
    
    LD_LIBRARY_PATH}}

Puis mettez à jour la variable d'environnement

source ~/.bashrc

Entrez nvcc -V pour afficher les informations associées

2. Installez cudnn

Rendez-vous sur le site officiel pour télécharger la version cudnn associée à CUDA 11.4. Pour télécharger cudnn, vous devez créer un compte NIVDIA . Les responsables ont donné des suggestions pour faire correspondre cuda avec cudnn. L'exemple de téléchargement est cuDNN v8.8.2.

Sélectionnez la bibliothèque cuDNN pour Linux comme indiqué ci-dessous, téléchargez cudnn-11.4-linux-x64-v8.2.2.26.tgz et

décompressez

tar -xvf cudnn-11.4-linux-x64-v8.2.2.26.tgz

Copiez les fichiers de bibliothèque pertinents

sudo cp include/cudnn* /usr/local/cuda/include/ 
sudo cp lib64/libcudnn* /usr/local/cuda/lib64/ 
sudo chmod a+r /usr/local/cuda/include/cudnn.h 
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

Afficher la version cudnn

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

Voilà la configuration est réussie

surveiller l'état du processeur graphique

watch -n 1 nvidia-smi