公司电商网站建设费用怎么记账,专业模板网站制作,网站品牌形象设计怎么做,临沂网站建设对实体企业步骤#xff1a;
1、安装显卡驱动#xff1b;
2、安装CUDA#xff1b;
3、安装CUDNN#xff1b;
4、安装Conda#xff1b;
5、安装Pytorch。
一、系统和硬件信息
1、Ubuntu 22.04
2、显卡#xff1a;4060Ti
二、安装显卡驱动
#xff08;已经安装的可以跳过
1、安装显卡驱动
2、安装CUDA
3、安装CUDNN
4、安装Conda
5、安装Pytorch。
一、系统和硬件信息
1、Ubuntu 22.04
2、显卡4060Ti
二、安装显卡驱动
已经安装的可以跳过没安装的可以参考这个
这里我使用的显卡驱动是545 三、确定自己要安装的PyTorch及其对应的CUDA
PyTorch网站Previous PyTorch Versions | PyTorch
根据此网站可以发现自v2.1.0以来都是支持CUDA 12.1和CUDA 11.8两个版本所以尽量从选择这两个CUDA版本
CUDA与显卡驱动版本对应网站CUDA 12.5 Update 1 Release Notes
从这个网站看一看自己已安装的显卡驱动版本是否支持CUDA版本 结合这两个网站最后得出结论我要安装的PyTorch版本是v2.3.0CUDA版本是12.1。版本确定好之后接下来就是安装了。
四、安装CUDA
4.1、下载及安装
下载地址CUDA Toolkit Archive | NVIDIA Developer 可以选择12.1.1或者12.1.0版本这里我选择了比较新的12.1.1版本。然后根据自己CPU架构、系统选择版本可以参考下图。 选择完毕之后会给出相应的安装命令如下所示 wget https://developer.download.nvidia.com/compute/cuda/12.1.1/local_installers/cuda_12.1.1_530.30.02_linux.run
sudo sh cuda_12.1.1_530.30.02_linux.run
运行之后选择continue--输入accept--按空格去掉安装显卡驱动的选项--选择install等待安装完毕即可。
4.2、配置环境变量
sudo nano ~/.bashrc
在尾部加入以下内容路径不一定和我一样看版本号
export PATH/usr/local/cuda-12.1/bin${PATH::${PATH}}
export LD_LIBRARY_PATH/usr/local/cuda-12.1/lib64${LD_LIBRARY_PATH::${LD_LIBRARY_PATH}}
更新环境变量
source ~/.bashrc
查看CUDA版本信息
nvcc -V 4.3、测试CUDA非必要
如果上面步骤和我一样demo路径一般是
/usr/local/cuda-12.1/extras/demo_suite
随便运行一个例如bandwidthTest
./bandwidthTest 看到上图说明安装成功。
五、安装cuDNN
NVIDIA cuDNN is a GPU-accelerated library of primitives for deep neural networks.
5.1、下载cuDNN
下载地址https://developer.nvidia.com/rdp/cudnn-archive
下载与CUDA版本对应的cudnn下载时需要注册登陆
本文以CUDA12.1和4060Ti为例注意自己的操作系统版本及架构 5.2、安装
sudo dpkg -i cudnn-local-repo-ubuntu2204-8.9.7.29_1.0-1_amd64.deb
六、安装Anaconda或者Miniconda
参考Ubuntu20.04安装CUDACUDNNCondaPyTorch_ubuntu20.04安装cuda10.2-CSDN博客
安装完成之后给Pytorch创建环境我这里使用的python版本是3.12其他版本应该也可以。
创建环境之后进入到此环境中然后安装PyTorch
七、安装PyTorch
网址Previous PyTorch Versions | PyTorch 需要安装的版本按照自己需求CUDA版本对应即可。
静待安装完成就ok。
最后测试是否能正常使用参考Ubuntu20.04安装CUDACUDNNCondaPyTorch_ubuntu20.04安装cuda10.2-CSDN博客
