Inhaltsverzeichnis
Hinweis: Dieser Artikel gilt für das Ubantu-Betriebssystem und die NVIDIA-Grafikkarte
Schritt 1: Überprüfen wir zunächst die Version des Betriebssystems
Schritt 2: Überprüfen Sie die Version des Grafikkartentreibers
Schritt 3: Grafikkartentreiber aktualisieren (überspringen, falls nicht erforderlich)
Schritt 3: Entscheiden Sie, welche Version von CUDA installiert werden soll
Schritt 5: Anaconda installieren (kann übersprungen werden, wenn bereits installiert)
Schritt 6: Erstellen Sie eine Anaconda-Umgebung
Schritt 7: Pytorch installieren
Vorwort
Zusammenfassung dieses Artikels: Für viele Deep-Learning-Neulinge ist der erste große BOSS, dem sie begegnen, die Konfigurationsumgebung. Nachdem ich drei oder vier Tage lang gekämpft habe, kann ich es immer noch nicht herausfinden. Der Autor plant, hier ein Tutorial zu veröffentlichen, um Neulingen zu helfen, schmerzlos zu lernen, wie man die unterstützende Umgebung von Pytorch (Nvidia-Grafikkartentreiber, Cuda, Cudnn) installiert.
Einführung des Autors: Der Autor selbst ist ein Alchemist für künstliche Intelligenz. Derzeit ist seine Hauptforschungsrichtung im Labor generative Modelle. Er verfügt auch über einige Kenntnisse in anderen Richtungen. Er hofft, über das CSDN mit Freunden zu kommunizieren, die sich ebenfalls für künstliche Intelligenz interessieren Plattform. Teilen und gemeinsam Fortschritte machen. Vielen Dank an alle~~~
Wenn Sie der Meinung sind, dass dieser Artikel für Sie hilfreich ist, liken, sammeln oder kommentieren Sie ihn bitte. Dies ist eine Bestätigung und Ermutigung für die Arbeit des Autors.
Zusammenfassung der Artikel zur Umgebungskonfiguration
Windows
Ubuntu
Pytorch-Installation und Umgebungskonfiguration unter Ubuntu
Huawei Ascend-Plattform
Wird aktualisiert~~~
Hinweis: Dieser Artikel gilt für das Ubuntu-Betriebssystem und die NVIDIA-Grafikkarte
Schritt 1: Überprüfen wir zunächst die Version des Betriebssystems
cat /etc/issue
Wie im Bild gezeigt, ist unsere Betriebssystemversion Ubuntu16.04, und der gleiche Vorgang wird nach 20.04 ausgeführt.
Schritt 2: Überprüfen Sie die Version des Grafikkartentreibers
nvidia-smi
Wenn Ihr Server den Grafiktreiber noch nicht aktualisiert hat, müssen Sie ihn auf die neueste Version des Grafiktreibers aktualisieren. Wenn es bereits aktualisiert wurde, ignorieren Sie es. Die Grafikkartentreiberversion bestimmt die höchste CUDA-Version, die Sie installieren können. Die CUDA-Version bestimmt die höchste Version von Pytorch, die Sie installiert haben.
Wenn wir Pytorch installieren möchten, müssen wir zunächst entscheiden, welche Cuda-Version die Pytorch-Version benötigt, die Sie installieren möchten. Natürlich können Sie auch zuerst die Cuda-Version installieren und dann die entsprechende Pytorch-Version finden.
Schritt 3: Grafikkartentreiber aktualisieren (überspringen, falls nicht erforderlich)
Portal für Treiberinstallationspakete: NVIDIA-Treiber
Wählen Sie einfach das neueste CUDA Toolkit. Dies bestimmt nur die höchste CUDA-Version, die Sie installieren können, Sie können jedoch immer noch Versionen unter 12.0 installieren, wie CUDA11.0 usw. (Beachten)
Klicken Sie dann auf „Suchen“, laden Sie den Treiber herunter und laden Sie ihn auf den Server hoch.
Dann beginnt die Installation
sudo bash 安装包路径
Wählen Sie, um mit der Installation fortzufahren
Ignorieren Sie alle Warnungen und schließen Sie die Installation ab
Dann schauen wir uns das Informationsfeld der Grafikkarte an
nvidia-smi
Das rote Kästchen ist unsere aktuelle Grafikkartentreiberversion und das gelbe Kästchen ist die höchste CUDA-Version, die unser aktueller Treiber installieren kann.
Schritt 3: Entscheiden Sie, welche Version von CUDA installiert werden soll
Wir haben bereits erwähnt, dass es zwei Installationssequenzen gibt. Eine besteht darin, die Version von Pytorch zu bestimmen und dann die Version von Cuda auszuwählen. Die zweite besteht darin, zuerst die Version von Cuda zu bestimmen und dann die Version von Pytorch auszuwählen. Neulingen empfehlen wir die erste Methode. Unser folgendes Tutorial wird ebenfalls mit der ersten Methode durchgeführt.
Pytorch-Portal: Pytorch
Wir öffnen die Pytorch-Website und planen dann die Installation von Pytorch1.10, das die Cuda-Versionen 10.2 und 11.3 unterstützt. Im Folgenden demonstrieren wir den Installationsprozess von CUDA11.3. Beachten Sie, dass es kein Problem darstellt, wenn Sie sich hier für die Installation von cuda11.3 entscheiden. Wenn die höchste cuda-Version, die Ihr aktueller Treiber installieren kann, cuda11.0 ist, können Sie nur cuda10.2 installieren.
Hinweis: Viele neue Leute laden beim Herunterladen gerne die neuesten Dinge herunter, aber die Erfahrung zeigt es uns. Die neueste Version hat oft viele Fehler und ist nicht stabil genug, aber die zu alte Version kann Probleme wie fehlende Funktionen haben. Daher empfehle ich allen Neulingen, Bibliotheken zu installieren, die zwei oder drei Versionen niedriger sind als die neueste Version, beides Pytorch und Cuda. Es ist der gleiche Grund.
Wir haben uns bereits oben für die Installation der CUDA11.3-Version entschieden und beginnen nun mit der Installation.
CUDA-Portal: CUDA , beachten Sie, dass einige Leute möglicherweise Magie benötigen, um diese fremde Webseite zu öffnen
Dann wählen wir gemäß der Abbildung unten aus. Die Hauptsystemversion hängt von Ihrer Wahl ab.
Dann führen wir den folgenden Befehl aus
Fahren Sie dann gemäß meinem unten aufgeführten Prozess fort
Hier geben wir einfach „Akzeptieren“ ein.
Folgendes ist der Punkt, an dem Einsteiger am ehesten getäuscht werden: Deaktivieren Sie unbedingt den Grafikkartentreiber, insbesondere wegen möglicher Versionskonflikte.
Die korrekte Konfiguration ist wie folgt: Vor dem Grafikkartentreiber steht kein X.
Dann wählen wir „Installieren“ und drücken die Eingabetaste
JA
Ignorieren Sie diesen Tipp
Dann konfigurieren wir die Umgebung
vim ~/.bashrc
Bedienungsprozess des Vim-Texteditors: Drücken Sie i auf der Tastatur, um in den Einfügemodus zu gelangen. Zu diesem Zeitpunkt können Sie den Inhalt bearbeiten. Drücken Sie nach der Bearbeitung Esc auf der Tastatur und geben Sie dann Folgendes ein: wq, drücken Sie die Eingabetaste, speichern Sie und beenden Sie den Vorgang.
Wir schreiben die folgende Konfiguration wie in der Abbildung unten gezeigt
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda/extras/CPUTI/lib64
export CUDA_HOME=/usr/local/cuda/bin
export PATH=$PATH:$LD_LIBRARY_PATH:$CUDA_HOME
Speichern Sie dann, beenden Sie den Vorgang und geben Sie den folgenden Befehl ein, damit das System die Konfigurationsaktualisierung abschließen kann
source ~/.bashrc
Anschließend prüfen wir, ob die Konfiguration korrekt ist
nvcc -V
Wenn so etwas erscheint, bedeutet das, dass Ihr CUDA konfiguriert wurde.
Schritt 4: cudnn installieren
cudnn ist eine Beschleunigungsbibliothek für cuda, die die Rechenleistung verbessern kann
CUDNN-Portal: cudnn
Wir müssen hier cudnn auswählen, das mit der auf dem Server installierten cuda-Version übereinstimmt ( nicht die höchste unterstützte Version der Grafikkarte ) .
Umgekehrt: Diese Version von cudnn unterstützt ubantu16.04 nicht. Schauen wir uns dann nach einer niedrigeren Version von cudnn um
OK, diese Version unterstützt ubantu16.04
Wir müssen alle drei Pakete herunterladen und auf den Server hochladen und sie dann installieren.
Hinweis: Die Installation ist in Ordnung und kann nicht zufällig installiert werden, da sonst ein Fehler gemeldet wird.
Installieren Sie zuerst libcudnn8_8.2.1.32-1+cuda11.3_amd64.deb
dpkg -i libcudnn8_8.2.1.32-1+cuda11.3_amd64.deb
Dann installieren Sie libcudnn8-dev_8.2.1.32-1+cuda11.3_amd64.deb
dpkg -i /root/libcudnn8-dev_8.2.1.32-1+cuda11.3_amd64.deb
Nicht zuletzt
dpkg -i /root/libcudnn8-samples_8.2.1.32-1+cuda11.3_amd64.deb
Zu diesem Zeitpunkt wurden sowohl cuda als auch cudnn installiert. Danach müssen wir mit der Installation von Anaconda beginnen. Wenn Sie Anaconda bereits installiert haben, können Sie diesen Teil überspringen.
Schritt 5: Anaconda installieren (kann übersprungen werden, wenn bereits installiert)
Anaconda-Portal: Anaconda
Wählen Sie hier entsprechend Ihrer Systemarchitektur aus. Nach dem Herunterladen laden Sie es zur Installation auf den Server hoch.
Anschließend führen wir die folgenden Installationsanweisungen aus
sudo bash /root/Anaconda3-2023.03-1-Linux-x86_64.sh
Drücken Sie einfach weiter die Eingabetaste.
Geben Sie „Ja“ ein
Mengxin empfiehlt nicht, den Pfad willkürlich zu ändern. Hier drücken wir einfach die Eingabetaste ( einmal ). Achten Sie nach dem Drücken der Eingabetaste darauf, die Tastatur mit beiden Händen zu verlassen! ! ! !
Das Folgende ist sehr, sehr wichtig. Seien Sie nicht dumm und drücken Sie hier die Eingabetaste. Wir müssen hier „Ja“ eingeben und die Eingabetaste drücken, um Anaconda zu initialisieren. Andernfalls müssen Sie den Pfad selbst konfigurieren, was sehr, sehr mühsam ist.
Wie im Bild gezeigt, ist unsere Anaconda-Installation abgeschlossen.
Schritt 6: Erstellen Sie eine Anaconda-Umgebung
Führen Sie den folgenden Befehl aus, um eine Umgebung mit dem Namen python3.8 namens dl zu erstellen
conda create -n dl python=3.8
Wenn die Eingabeaufforderung nicht gefunden werden kann, liegt ein Problem mit der Conda-Umgebungskonfiguration vor. Wenn die obige Conda-Umgebungskonfiguration fehlschlägt oder Sie vergessen, „Ja“ einzugeben, können Sie den folgenden Befehl ausführen, um das Problem zu beheben. Der Pfad liegt bei Ihnen eigener Weg.
source /root/anaconda3/bin/activate
conda init
Geben Sie y ein
Auf diese Weise entsteht unsere Conda-Umgebung
Schritt 7: Pytorch installieren
Geben Sie die oben erstellte DL-Umgebung ein
conda activate dl
Dann öffnen wir die offizielle Website von Pytorch
Pytorch-Portal: Pytorch
Wir kopieren diesen Befehl und führen ihn aus
Geben Sie y ein
Pytorch-Installation abgeschlossen
Dann geben wir Python über den Befehl ein
python
Importieren Sie die Brennerbibliothek und drücken Sie die Eingabetaste
import torch
Führen Sie dann den folgenden Befehl aus
print(torch.cuda.is_available())
Wenn der Rückgabewert True ist, bedeutet dies, dass Ihr Pytorch die GPU normal zur Berechnung aufrufen kann. Wenn er False zurückgibt, bedeutet dies, dass ein Problem mit der obigen Konfiguration vorliegt. Bitte lesen Sie diesen Artikel sorgfältig durch.
Epilog
如果您觉得这篇文章对您有帮忙,请点赞、收藏。您的点赞是对作者工作的肯定和鼓励,这对作者来说真的非常重要。如果您对文章内容有任何疑惑和建议,欢迎在评论区里面进行评论,我将第一时间进行回复。