深度学习CUDA环境太乱？环境配置：理解+实操
- 小白关于环境配置的一点理解
- 0.装环境之前你需要知道有关CUDA的事
-
- 进一步理解（optional）
- 如何查看你当前的GPU型号？
- 1. 装CUDA驱动（即CUDA toolkit）
-
- 1.1
- 1.2
- 1.3
- 注：
- 1.4
- 2.安装cuDNN
-
- 2.1
- 2.2
- 2.3
- 3. 装对应的torch包
- 3. mmsegmention等安装
【注：从1开始进入正题】
小白关于环境配置的一点理解
linux下所有的命令行都是工具，类似软件，安装在某个位置，并把位置添加到环境变量里面。通过which XX就能查看到该位置在哪
nvidia-smi是一个管理监控GPU的工具
nvcc是运行时，编译驱动GPU的工具，安装cuda时一定会自带这个，所以检查这个就知道有没有CUDA
- 两个不一样，后者输出的是runtime API，这个是运行时要调用的所以torch必须和这个配合。前者是驱动支持的最高版本的cuda，并不是实际安装的cuda
下载——（安装的位置）及配置其对应环境变量。
-
首先要知道在哪里安装:用find [路径] [匹配条件]去寻找。
-
其次看环境变量里面有没有路径：
-
echo $PATH
-
以及，环境变量都在当下shell的脚本里。比如~/.bashrc.通过vim XX就能看到
- 如何添加环境变量，修改，这里有：Ubuntu 20.04安装CUDA & CUDNN 手把手带你撸_ubuntu20.04 cuda安装-CSDN博客
-
装环境要注意，因为依赖，有的顺序不能变。
0.装环境之前你需要知道有关CUDA的事
查看官网安装教程，我们首先发现，要区分以下几个：
OS:你使用GPU所用的操作系统
NVIDIA hardware：GPU物理意义上的显卡
NVIDIA CUDA：加速GPU显卡使用的（用c++写的）库
和他的驱动CUDA driver：使用CUDA需要的编译驱动.即nvcc
（下载CUDA包把这两个都包括了）
CUDNN：
- 用于神经网络的GPU加速库
- CUDA是工作台，有很多工具，cuDNN是其中一个。要在CUDA上运行深度神经网络，就要安装cuDNN，使GPU进行神经网络工作。
所以，要为深度学习配置环境，要安装CUDA及其驱动，cuDNN，pytorch（版本要对应才能成功）
进一步理解（optional）
打开官网给出的表格Support Matrix :: NVIDIA cuDNN Documentation，最右边的Maxwell, pascal等属于GPU架构。你可以
发布者：admin，转转请注明出处：http://www.yc00.com/web/1754955542a5220990.html
评论列表（0条）