一文多圖搞定Ubuntu安裝Anaconda+GPU Driver+CUDA+CUDNN+TensorFlow-gpu+Pytorch

原創 小陈说CV 2020-04-21 17:30

文章目錄

1 Anaconda

1.1 下載 Anaconda

通過國內鏡像源下載，請點擊清華開源軟件鏡像站 ，這裏我選擇 Ananconda3, python 版本爲 3.6，即 Anaconda3-5.0.1-Linux-x86_64.sh，如下圖所示。
在這裏插入圖片描述

1.2 安裝 Anaconda

先切換到 anaconda 安裝包所在的路徑下，接着執行以下命令

chiyukunpeng@chiyukunpeng:~$ cd anaconda3
chiyukunpeng@chiyukunpeng:~/anaconda3$ sh Anaconda3-5.0.1-Linux-x86_64.sh

接下來一路按回車以及輸入 yes 即可。重啓終端，輸入以下命令驗證安裝是否成功

chiyukunpeng@chiyukunpeng:~$ source ~/.bashrc
chiyukunpeng@chiyukunpeng:~$ python  # 出現以下 Anaconda 的 python 環境即可
Python 3.6.3 |Anaconda, Inc.| (default, Oct 13 2017, 12:02:49) 
[GCC 7.2.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> exit()  # 輸入退出此環境

1.3 conda換源

Anaconda 是深度學習環境搭建的必備工具，但服務器在國外，下載速度很慢，換爲國內源十分重要。
輸入以下命令，打開 condarc 文件

chiyukunpeng@chiyukunpeng:~$ sudo gedit ~/.condarc

然後將以下內容複製粘貼更換掉此文件內所有內容，保存退出即可。

auto_activate_base: false
channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
show_channel_urls: true

2 GPU 驅動

2.1 查看 GPU

在終端輸入以下命令，查看 GPU 型號及推薦驅動

chiyukunpeng@chiyukunpeng:~$ ubuntu-drivers devices
== /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 ==
modalias : pci:v000010DEd00001C20sv000017AAsd000039F5bc03sc00i00
vendor   : NVIDIA Corporation
model    : GP106M [GeForce GTX 1060 Mobile]  # 我的GPU型號
driver   : nvidia-driver-390 - third-party free
driver   : nvidia-driver-435 - distro non-free
driver   : nvidia-driver-410 - third-party free
driver   : nvidia-driver-415 - third-party free
driver   : nvidia-driver-440 - third-party free recommended  # 推薦的驅動型號
driver   : xserver-xorg-video-nouveau - distro free builtin

2.2 安裝驅動

在終端輸入以下命令

chiyukunpeng@chiyukunpeng:~$ sudo apt-get install nvidia-driver-440

安裝成功後，打開桌面左下角的應用程序抽屜，打開軟件和更新->附加驅動，選擇剛剛下載的驅動，如下圖所示
在這裏插入圖片描述重啓電腦，打開終端，輸入以下命令驗證是否安裝成功

chiyukunpeng@chiyukunpeng:~$ nvidia-smi
Sun Apr 19 21:39:38 2020       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 440.82       Driver Version: 440.82       CUDA Version: 10.2     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|===============================+======================+======================|
|   0  GeForce GTX 1060    Off  | 00000000:01:00.0 Off |                  N/A |
| N/A   45C    P5    10W /  N/A |    245MiB /  6078MiB |      3%      Default |
+-------------------------------+----------------------+----------------------+
                                                                               
+-----------------------------------------------------------------------------+
| Processes:                                                       GPU Memory |
|  GPU       PID   Type   Process name                             Usage      |
|=============================================================================|
|    0      1569      G   /usr/lib/xorg/Xorg                           109MiB |
|    0      1743      G   /usr/bin/gnome-shell                         118MiB |
|    0     11018      G   /usr/lib/firefox/firefox                       1MiB |
|    0     11711      G   ...uest-channel-token=10670826761480323022    12MiB |
+-----------------------------------------------------------------------------+

3 CUDA

3.1 gcc 降級

因爲本文將要安裝 cuda9.0，所以要把 gcc 降到 6.0 以下，在終端輸入以下命令

chiyukunpeng@chiyukunpeng:~$ sudo apt-get install gcc-4.8 # 安裝
chiyukunpeng@chiyukunpeng:~$ sudo apt-get install g++-4.8

進入 /usr/bin 路徑，輸入以下命令修改 gcc 默認鏈接

chiyukunpeng@chiyukunpeng:~$ cd /usr/bin
chiyukunpeng@chiyukunpeng:/usr/bin$ sudo mv gcc gcc.bak #備份
chiyukunpeng@chiyukunpeng:/usr/bin$ sudo ln -s gcc-4.8 gcc #重新鏈接
chiyukunpeng@chiyukunpeng:/usr/bin$ sudo mv g++ g++.bak
chiyukunpeng@chiyukunpeng:/usr/bin$ sudo ln -s g++-4.8 g++

最後驗證是否降級成功，輸入以下命令

chiyukunpeng@chiyukunpeng:/usr/bin$ gcc --version
gcc (Ubuntu 4.8.5-4ubuntu8) 4.8.5
Copyright (C) 2015 Free Software Foundation, Inc.
This is free software; see the source for copying conditions.  There is NO
warranty; not even for MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.

chiyukunpeng@chiyukunpeng:/usr/bin$ g++ --version
g++ (Ubuntu 4.8.5-4ubuntu8) 4.8.5
Copyright (C) 2015 Free Software Foundation, Inc.
This is free software; see the source for copying conditions.  There is NO
warranty; not even for MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.

3.2 下載 CUDA

本文選擇 CUDA 9.0，高版本 TensorFlow-gpu 和 Pytorch 可能還沒有支持
本文最大的福利來了，百度網盤分享給你
鏈接: https://pan.baidu.com/s/1DFIEWwGrTkTUgFjoFgsZWw 密碼: 5wei

3.3 安裝 CUDA

打開終端，進入 CUDA 安裝包路徑，執行以下命令

chiyukunpeng@chiyukunpeng:~$ cd software 
chiyukunpeng@chiyukunpeng:~/software$ ls
baidunetdisk  cuda_9.0.176_384.81_linux.run  FoxitReader              pycharm  WangYiCloudMusic
Chrome        cudnn-9.0-linux-x64-v7         NVIDIA_CUDA-9.0_Samples  snap     WPS
chiyukunpeng@chiyukunpeng:~/software$ sudo sh cuda_9.0.176_384.81_linux.run

然後會彈出一系列問題，只有下面這個問題選擇 no (因爲此前GPU驅動已經安裝了），其餘都選擇 yes, 如下

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 352.39? ((y)es/(n)o/(q)uit): n

3.4 配置 CUDA 環境變量

回到主目錄路徑，打開 .bashrc 文件，命令如下

chiyukunpeng@chiyukunpeng:~/software$ cd
chiyukunpeng@chiyukunpeng:~$ sudo gedit ~/.bashrc

在文件末尾添加以下內容，保存退出即可

export PATH="/usr/local/cuda-9.0/bin:$PATH" 
export LD_LIBRARY_PATH="/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH"

在終端輸入以下命令

chiyukunpeng@chiyukunpeng:~$ source ~/.bashrc

驗證CUDA是否安裝成功

chiyukunpeng@chiyukunpeng:~$ nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2017 NVIDIA Corporation
Built on Fri_Sep__1_21:08:03_CDT_2017
Cuda compilation tools, release 9.0, V9.0.176

4 CUDNN

4.1 下載 CUDNN

CUDNN 版本必須與 CUDA 版本匹配，本文選擇 CUDNN7.05，官網下載要先註冊的哦
本文第二大福利來啦，百度網盤分享給你
鏈接: https://pan.baidu.com/s/1kgCvW8mQ19pte8kIWPnR5w 密碼: 6bg2

4.2 安裝 CUDNN

先解壓壓縮包，然後在終端進入解壓文件夾路徑，命令如下

chiyukunpeng@chiyukunpeng:~$ cd software
chiyukunpeng@chiyukunpeng:~/software$ ls
baidunetdisk                   cudnn-9.0-linux-x64-v7   pycharm           WPS
Chrome                         FoxitReader              snap
cuda_9.0.176_384.81_linux.run  NVIDIA_CUDA-9.0_Samples  WangYiCloudMusic
chiyukunpeng@chiyukunpeng:~/software$ cd cudnn-9.0-linux-x64-v7
chiyukunpeng@chiyukunpeng:~/software/cudnn-9.0-linux-x64-v7$ cd cuda
chiyukunpeng@chiyukunpeng:~/software/cudnn-9.0-linux-x64-v7/cuda$ sudo cp lib64/* /usr/local/cuda/lib64/ # 複製相應文件
chiyukunpeng@chiyukunpeng:~/software/cudnn-9.0-linux-x64-v7/cuda$ sudo cp include/* /usr/local/cuda/include/
chiyukunpeng@chiyukunpeng:~/software/cudnn-9.0-linux-x64-v7/cuda$ sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn* # 所有用戶可讀

CUDNN 安裝成功。

5 TensorFlow-gpu

5.1 安裝 tensorflow-gpu

安裝前，請點擊TensorFlow官網 查看版本匹配信息，
本文第三大福利來啦，版本匹配信息如下圖所示。
在這裏插入圖片描述
本文選擇下載1.12.0版本，在終端輸入如下命令

chiyukunpeng@chiyukunpeng:~$ pip install tensorflow-gpu==1.12.0

5.2 測試

在主目錄下，輸入如下命令

chiyukunpeng@chiyukunpeng:~$ python
Python 3.6.3 |Anaconda, Inc.| (default, Oct 13 2017, 12:02:49) 
[GCC 7.2.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
>>> print(tf.__version__)
1.12.0
>>> exit()

恭喜你，tensorflow-gpu 安裝成功！！！

6 PyTorch

6.1 前言

前五節，我們完成了深度學習框架 TensorFlow-gpu 的安裝，爲何還要再安裝另一個深度學習框架 Pyorch 呢？
因爲目前越來越多的學術黨開源的項目用的都是這個，不會不行阿，所以必須重新創建一個新環境，安裝一下這個框架。

6.2 安裝 PyTorch

打開終端，創建一個新的 anaconda 虛擬環境，本文命名爲 pytorch，命令如下

chiyukunpeng@chiyukunpeng:~$ conda create -n pytorch python=3.6
Fetching package metadata .................
Solving package specifications: .

Package plan for installation in environment /home/chiyukunpeng/anaconda3/envs/pytorch:

The following NEW packages will be INSTALLED:  # 這裏體會到 conda 換源的好處了吧

    _libgcc_mutex:    0.1-conda_forge              https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    _openmp_mutex:    4.5-0_gnu                    https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    bzip2:            1.0.8-h516909a_2             https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    ca-certificates:  2020.4.5.1-hecc5488_0        https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    certifi:          2020.4.5.1-py36hc560c46_0    https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    expat:            2.2.9-he1b5a44_2             https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    gdbm:             1.18-h0a1914f_1              https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    ld_impl_linux-64: 2.34-h53a641e_0              https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    libffi:           3.2.1-he1b5a44_1007          https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    libgcc-ng:        9.2.0-h24d8f2e_2             https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    libgomp:          9.2.0-h24d8f2e_2             https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    libstdcxx-ng:     9.2.0-hdf63c60_2             https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    ncurses:          6.1-hf484d3e_1002            https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    openssl:          1.1.1f-h516909a_0            https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    pip:              20.0.2-py_2                  https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    pypy3.6:          7.3.1-h3e02ecb_1             https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    python:           3.6.10-h8356626_1010_cpython https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    python_abi:       3.6-1_pypy36_pp73            https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    readline:         8.0-hf8c457e_0               https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    setuptools:       46.1.3-py36hc560c46_0        https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    sqlite:           3.30.1-hcee41ef_0            https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    tk:               8.6.10-hed695b0_0            https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    wheel:            0.34.2-py_1                  https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    xz:               5.2.5-h516909a_0             https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    zlib:             1.2.11-h516909a_1006         https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge

Proceed ([y]/n)? y

_libgcc_mutex- 100% |######################################################| Time: 0:00:00   1.84 MB/s
ca-certificate 100% |######################################################| Time: 0:00:00 643.45 kB/s
ld_impl_linux- 100% |######################################################| Time: 0:00:00   1.91 MB/s
libstdcxx-ng-9 100% |######################################################| Time: 0:01:05  71.46 kB/s
libgomp-9.2.0- 100% |######################################################| Time: 0:00:03 262.33 kB/s
_openmp_mutex- 100% |######################################################| Time: 0:00:00   2.80 MB/s
libgcc-ng-9.2. 100% |######################################################| Time: 0:00:09 906.65 kB/s
bzip2-1.0.8-h5 100% |######################################################| Time: 0:00:00   1.99 MB/s
expat-2.2.9-he 100% |######################################################| Time: 0:00:00   2.47 MB/s
libffi-3.2.1-h 100% |######################################################| Time: 0:00:00   3.32 MB/s
ncurses-6.1-hf 100% |######################################################| Time: 0:00:01   1.29 MB/s
openssl-1.1.1f 100% |######################################################| Time: 0:00:08 250.19 kB/s
xz-5.2.5-h5169 100% |######################################################| Time: 0:00:00   3.50 MB/s
zlib-1.2.11-h5 100% |######################################################| Time: 0:00:00   3.97 MB/s
readline-8.0-h 100% |######################################################| Time: 0:00:00   2.99 MB/s
tk-8.6.10-hed6 100% |######################################################| Time: 0:00:02   1.28 MB/s
gdbm-1.18-h0a1 100% |######################################################| Time: 0:00:00   1.66 MB/s
sqlite-3.30.1- 100% |######################################################| Time: 0:00:01   1.59 MB/s
pypy3.6-7.3.1- 100% |######################################################| Time: 0:00:26   1.23 MB/s
python-3.6.10- 100% |######################################################| Time: 0:00:39 900.41 kB/s
python_abi-3.6 100% |######################################################| Time: 0:00:00   8.60 MB/s
certifi-2020.4 100% |######################################################| Time: 0:00:00   1.36 MB/s
setuptools-46. 100% |######################################################| Time: 0:00:01 558.58 kB/s
wheel-0.34.2-p 100% |######################################################| Time: 0:00:00   5.53 MB/s
pip-20.0.2-py_ 100% |######################################################| Time: 0:00:00   1.64 MB/s
#
# To activate this environment, use:
# > source activate pytorch
#
# To deactivate an active environment, use:
# > source deactivate
#

虛擬環境創建成功，激活此環境，命令如下

chiyukunpeng@chiyukunpeng:~$ source activate pytorch
(pytorch) chiyukunpeng@chiyukunpeng:~$

安裝 pytorch 之前，請點擊PyTorch官網 查看匹配版本及下載命令，本文選擇1.0.0
本文第四大福利來啦，版本匹配信息如下圖
在這裏插入圖片描述這裏請注意，每個命令後的 -c pytorch 是從官網下載，大家不要加上這個，安裝命令如下

(pytorch) chiyukunpeng@chiyukunpeng:~$ conda install pytorch==1.0.0 torchvision==0.2.1 cuda90
Fetching package metadata .................
Solving package specifications: .

Package plan for installation in environment /home/chiyukunpeng/anaconda3/envs/pytorch:

The following NEW packages will be INSTALLED:  # conda 換源就是爽

    cffi:           1.14.0-py36hd463f26_0                https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    cuda90:         1.0-h6433d27_0                       https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch    
    freetype:       2.10.1-he06d7ca_0                    https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    intel-openmp:   2020.0-166                           https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main        
    jpeg:           9c-h14c3975_1001                     https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    libblas:        3.8.0-14_openblas                    https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    libcblas:       3.8.0-14_openblas                    https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    libgfortran-ng: 7.3.0-hdf63c60_5                     https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    liblapack:      3.8.0-14_openblas                    https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    libopenblas:    0.3.7-h5ec1e0e_6                     https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    libpng:         1.6.37-hed695b0_1                    https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    libtiff:        4.1.0-hc7e4089_6                     https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    libwebp-base:   1.1.0-h516909a_3                     https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    lz4-c:          1.9.2-he1b5a44_0                     https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    mkl:            2020.0-166                           https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main        
    ninja:          1.10.0-hc9558a2_0                    https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    numpy:          1.18.1-py36he0f5f23_1                https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    olefile:        0.46-py_0                            https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    pillow:         7.1.1-py36hfc7c323_0                 https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    pycparser:      2.20-py_0                            https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    pytorch:        1.0.0-py3.6_cuda9.0.176_cudnn7.4.1_1 https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch    
    six:            1.14.0-py_1                          https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
    torchvision:    0.2.1-py_2                           https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch    
    zstd:           1.4.4-h6597ccf_3                     https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge

Proceed ([y]/n)? y

cuda90-1.0-h64 100% |######################################################| Time: 0:00:00   2.21 MB/s
intel-openmp-2 100% |######################################################| Time: 0:00:00   1.98 MB/s
libgfortran-ng 100% |######################################################| Time: 0:00:00  13.21 MB/s
mkl-2020.0-166 100% |######################################################| Time: 0:05:42 618.83 kB/s
jpeg-9c-h14c39 100% |######################################################| Time: 0:00:00   2.53 MB/s
libopenblas-0. 100% |######################################################| Time: 0:00:06   1.33 MB/s
libwebp-base-1 100% |######################################################| Time: 0:00:00 959.85 kB/s
lz4-c-1.9.2-he 100% |######################################################| Time: 0:00:00 623.38 kB/s
ninja-1.10.0-h 100% |######################################################| Time: 0:00:01   1.86 MB/s
libblas-3.8.0- 100% |######################################################| Time: 0:00:00   8.32 MB/s
libpng-1.6.37- 100% |######################################################| Time: 0:00:00   3.14 MB/s
zstd-1.4.4-h65 100% |######################################################| Time: 0:00:00   1.48 MB/s
freetype-2.10. 100% |######################################################| Time: 0:00:00   2.17 MB/s
libcblas-3.8.0 100% |######################################################| Time: 0:00:00   8.41 MB/s
liblapack-3.8. 100% |######################################################| Time: 0:00:00   7.49 MB/s
libtiff-4.1.0- 100% |######################################################| Time: 0:00:00   2.28 MB/s
olefile-0.46-p 100% |######################################################| Time: 0:00:00  15.45 MB/s
pycparser-2.20 100% |######################################################| Time: 0:00:00   1.38 MB/s
six-1.14.0-py_ 100% |######################################################| Time: 0:00:00  11.34 MB/s
cffi-1.14.0-py 100% |######################################################| Time: 0:00:00   4.79 MB/s
numpy-1.18.1-p 100% |######################################################| Time: 0:00:03   1.73 MB/s
pillow-7.1.1-p 100% |######################################################| Time: 0:00:00   1.02 MB/s
pytorch-1.0.0- 100% |######################################################| Time: 0:09:25 925.37 kB/s
torchvision-0. 100% |######################################################| Time: 0:00:00  49.84 MB/s

6.3 測試

測試命令如下

(pytorch) chiyukunpeng@chiyukunpeng:~$ python
Python 3.6.10 | packaged by conda-forge | (default, Apr  6 2020, 14:52:36) 
[GCC 7.3.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> torch.cuda.is_available()
True
>>> exit()

恭喜你，第二個深度學習框架安裝成功啦！！！
最後，別忘了關閉這個虛擬環境哦

(pytorch) chiyukunpeng@chiyukunpeng:~$ source deactivate pytorch

陌生人，點個贊再走唄！

發表評論
所有評論
還沒有人評論，想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章

大模型分佈式訓練並行技術

隨着深度學習的發展，模型規模逐漸增大，數據量和計算需求也呈爆炸式增長。在單個計算設備上完成大模型的訓練變得不切實際，因此，分佈式訓練成爲了解決這一問題的關鍵。在分佈式訓練中，數據並行是一種非常有效的策略，通過將數據和計算任務分佈到多個計算設

原創 2024-04-10 23:29:41

Ascend C 自定義PRelu算子

本文分享自華爲雲社區《Ascend C 自定義PRelu算子》，作者： jackwangcumt。 1 PRelu算子概述 PReLU是 Parametric Rectified Linear Unit的縮寫，首次由何凱明團隊提出，和Le

原創 2024-04-08 10:33:15

Qt/C++音視頻開發70-無感切換通道/無縫切換播放視頻/多通道流暢切換/不同視頻打開無縫切換

一、前言 之前就寫過這個方案，當時做的是ffmpeg內核版本，由於ffmpeg內核解析都是代碼實現，所以無縫切換非常完美，看不到絲毫的中間切換過程，看起來就像是在一個通道畫面中。其實這種切換隻能說是取巧辦法，最佳的辦法應該是公用一個open

原創 2024-04-18 10:40:53

安裝Auto-GPT

安裝 Python 3.8 或更高版本 https://phoenixnap.com/kb/how-to-install-python-3-ubuntu # 查看是否已經安裝了python python --version #更新包 sud

原創 2024-05-12 22:43:51

Linux下製作Nginx綠色免安裝包

前言 linux下安裝nginx比較繁瑣，遇到內網部署環境更是麻煩，所以研究了下nginx綠色免安裝版的部署包製作，開箱即用，特此記錄分享，一下操作在centos8環境下安裝，如果需要其他內核系統的安裝（Debian/Ubuntu等），請在

原創 2024-04-29 21:38:23

iTOP-3588S開發板瑞芯微RK3588S處理器主頻2.4GHz算力6T

核心板參數： 尺寸： 55mm*45mm 連接器高度： 1.5mm CPU： RK3588S 主頻： 四核 Cortex-A55, Quad-core ARM Cortex-A76,Neon and FPU, 2.4GHZ 內存：

原創 2024-04-22 22:54:04

更換容器內的源

  執行步驟： 1. 備份 mv -f /etc/apt/sources.list /etc/apt/sources.list.bak   2. 執行替換爲阿里源 cat > /etc/apt/sources.list<< EOF deb

原創 2024-04-16 09:47:14

conda安裝使用問題

step1，安裝anaconda(可參考https://zhuanlan.zhihu.com/p/32925500)； step2，創建一個conda環境，conda create -n your_env_name python=3

原創 2024-04-24 12:41:25

AI從入門到入門之手寫數字識別模型java方式Dense全連接神經網絡實現

前言：授人以魚不如授人以漁.先學會用，在學原理，在學創造，可能一輩子用不到這種能力，但是不能不具備這種能力。這篇文章主要是介紹算法入門Helloword之手寫圖片識別模型java中如何實現以及部分解釋。目前大家對於人工智能-機器學習-神經網

原創 2024-04-19 23:17:21

安裝Anaconda使用TensoFlow

1、下載anaconda 運行安裝  https://www.anaconda.com/download-success 2、anacanda powershell prompt  conda create -n itmamba_anaco

原創 2024-04-15 12:49:44

Linux系統用戶登錄時的環境加載順序

Linux系統中有時會遇到一些登陸初始化故障，會阻止用戶進入系統（比如ETX無法打開桌面）或者導致某些工具運行失敗（LSF bsub任務是無法完成初始化），所以瞭解Linux系統用戶登錄時的環境加載順序，對debug和解決如上問題是很有幫助

原創 2024-04-07 23:52:25

GLM國產大模型訓練加速：高效性能與成本優化的實踐

隨着人工智能技術的不斷進步，大模型的訓練成爲了推動深度學習領域發展的重要力量。然而，傳統的訓練方式往往面臨着性能瓶頸和高昂的成本問題，這使得許多研究者和開發者望而卻步。爲了解決這一難題，我們探索了使用OneFlow框架對GLM國產大模型進行

原創 2024-05-07 23:30:09

基於香橙派AIpro將開源框架模型轉換爲昇騰模型

本文分享自華爲雲社區《如何基於香橙派AIpro將開源框架模型轉換爲昇騰模型》，作者：昇騰CANN。 在前面的介紹中，我們知道了如何基於香橙派AIpro開發AI推理應用，也大致瞭解到在推理之前，需要把原始網絡模型 (可能是 PyTorch 的

原創 2024-04-12 10:32:18

TorchAcc：基於 TorchXLA 的分佈式訓練框架

本文旨在探討阿里雲 TorchAcc，這是一個基於 PyTorch/XLA 的大模型分佈式訓練框架。 過去十年 AI 領域的顯著進步，關鍵在於訓練技術的革新和模型規模的快速攀升。儘管大模型展現了堪比人類的理解力，但其訓練卻對算力提出了極高的

原創 2024-04-01 23:39:48

百億大規模圖在廣告場景的應用

本文通過搜索推薦項目進行外賣搜索廣告弱供給填充，提高流量變現效率。我們提出外賣多場景異構大圖、異構大圖在線建模技術演進路線，解決外賣搜索推薦業務多渠道、即時化的挑戰。相關成果發表CIKM2023會議一篇。聯合機器學習平臺搭建大規模圖訓練、

原創 2024-03-29 21:16:38