赞
踩
借由需要服务器配置显卡等DL所需环境的项目,以Ubuntu20.04系统为例,记录下安装过程。
本文介绍了在Ubuntu系统中安装显卡驱动和Anaconda3编译器以及对应版本的CUDA和Pytorch,方便在运行DL算法的时候调用GPU,缩短所需时间。
由于Ubuntu系统中自带了一个第三方开源的nouveau驱动,但是一般调用GPU,需要使用Nvidia官方驱动。本文介绍利用命令行对Nvidia显卡驱动进行安装。
Vim是一款Linux系统中常用的编辑器,操作简单便捷。
sudo apt-get install vim #安装
按I键编辑,按ESC键退出编辑,摁“:wq”键保存。
sudo vim /etc/modprobe.d/blacklist.conf
blacklist nouveau
blacklist lbm-nouveau
options nouveau modeset=0
alias nouveau off
alias lbm-nouveau off
echo options nouveau modeset=0
sudo update-initramfs -u
重新启动,如果能够正常进入开机界面,那就直接跳到安装Nvidia驱动的步骤。不能正常进入开机界面,那就看下一步。
lsmod | grep nouveau
回车后终端没有显示,说明禁用成功。
如果在禁用Nouveau默认显卡后,出现卡在开机界面显示/dev/(路径):clean,xxx/xxxx files,xxx/xxxx blocks。
在Ubuntu开机的时候选择Ubuntu的高级选项。
在接下来的界面中使用上下键移动到系统内核版本高的的非recovery mode处,摁下E键进行编辑模式。
在出来的文本中对quiet splash后摁下空格,添加文本nomodeset,然后摁下F10保存重启。
由于在开机端选择是临时修改,还需要进一步进行修改保存。
sudo vim /etc/default/grub
#摁I键编辑,把quiet splash变成quiet splash nomodeset
#摁ESC键退出编辑,摁下:wq保存
sudo update-grub
lspci | grep VGA
ubuntu-drivers devices
这个命令可以查看适合当前服务器版本的驱动信息,在展现出的驱动后面会有recommend的标识,但是建议安装最新且不是open的显卡驱动。
sudo apt-get install xxx
reboot #重启
nvidia-smi #查看显卡及GPU使用信息
详细操作如下图所示。
这里不选择官方源进行下载的原因是官方源下载的速度过慢,在清华大学开源软件镜像站找到anaconda/archive路径,下载最新适应的版本,如下图所示。
在存放sh可执行文件的路径下打开终端,以Anaconda3-2023.07-1-Linux-x86_64.sh为例。
sudo bash Anaconda3-2023.07-1-Linux-x86_64.sh
输入后终端会跳出一堆文字是类似于安装许可,摁Q键退出浏览,摁Enter键继续浏览。
第二处需要关注的是跳出是否接受这个条款,默认是no,输入yes回车。
第三处需要选择软件安装的路径,默认是/root/anaconda3,可以选择自己想要的路径。
第四处是询问是否需要初始化,默认是no,输入yes回车。
sudo vim ~/.bashrc
# 在/.bashrc中输入以下两条命令
export PATH="~/anaconda3/bin":$PATH
# 修改终端的默认 python 为 anaconda
source ~/anaconda3/bin/activate
# 对文件进行保存退出后在终端运行配置
source ~/.bashrc
重启终端,会发现命令行前面多出一个(base)字样,说明Anaconda3可用且默认Python版本为Anaconda3默认版本。可以在终端中输入conda -V进行版本查看以验证安装。
转到CUDA下载官网,根据系统中nvidia-smi命令所展示支持的CUDA最大版本号,找到适应的最新的CUDA版本进行安装。
以下图为例,选择合适的CUDA版本后,勾选自己系统版本,在终端界面按照官网所给的命令进行安装即可。
在输入命令进行安装后,会先停留一段时间,出现Abort和Continue字样,选择Continue继续安装;
后面出现询问是否支持,输入accept,摁回车;
在后续出现的勾选安装选项,对Driver的安装摁Enter取消勾选,只安装CUDA Toolkit和CUDA Demo以及CUDA Documentation。
sudo vim ~/.bashrc
# 在文件末尾加入以下三行
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda
# 保存退出后更新环境变量
source ~/.bashrc
之后输入nvcc -V进行安装结果验证。
访问Pytorch下载版本网站,针对上文中所安装的CUDA版本选择适合的Pytorch版本进行安装。
以Ubuntu系统中CUDA12.2为例,可以安装Pytorch2.0.0,在安装的过程中,
# 可以选择使用Conda命令进行安装:
conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.8 -c pytorch -c nvidia
# 也可以选择Pip命令进行安装
pip install torch==2.0.0+cu118 torchvision==0.15.1+cu118 torchaudio==2.0.1 --index-url https://download.pytorch.org/whl/cu118
需要注意的是,并不一定CUDA版本是多少,就要在官网中找到对应CUDA版本的安装命令,CUDA可以向下兼容。
因此,本机CUDA版本为12.2,但是安装的包却是CUDA11.8版本的Pytorch。
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。