l'apprentissage en profondeur
Annuaire d'articles
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