Ubuntu16.04超低配版显卡GTX730配置pytorch-gpu+cuda9.0+cudnn
2017-12-19 18:27
726 查看
一、前言
今天闲来无事配置了一下超低配显卡GTX730,我想都是显卡说不定也能用cuda+cudnn呢,结果上nvidia官网一查,果不其然,有我大GTX730^_^,那我的730也能用cuda 了。网上介绍安装cuda+cudnn+pytorch/tensorflow/caffe的博文特别多,我写的这篇不是说我的方法多好,只是想告诉大家装cuda+cudnn最好的方式是去nvidia的官网查看英文的安装教程,所以看到这你可以不用往下看了,自己查阅英文的文献来安装吧!什么?!英文看不懂?你把google翻译放哪了?
我之所以写这篇博文是启备忘录的作用
二、安装cuda9.0
按照cuda安装教程 来一步步安装检查安装的条件
lspci | grep -i nvidia检查GPU是否支持cuda运算
uname -m && cat /etc/*release确保你的系统支持cuda
gcc --version确保你已安装gcc
uname -r确保你的kernel版本满足安装需求(ubuntu16.04要求最低4.4)
安装cuda:
在官网下载cuda9.0,根据自己的系统选择项应的选项,建议最后选择的安装方式是deb(network),感觉比较简单,选择完之后下面就会给出安装的指令,很简单。需要注意的是,这种安装方式不需要你手动安装驱动,它会帮你安装上的。
sudo dpkg -i cuda-repo-ubuntu1604_9.1.85-1_amd64.deb sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/7fa2af80.pub sudo apt-get update sudo apt-get install cuda
添加环境变量
我用的shell是zsh,所以要在.zshrc中添加如下, 保存完最后记得source一下
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:/usr/local/cuda 92d8 -9.0/extras/CUPT/lib64:$LD_LIBRARY_PATH export CUDA_HOME=/usr/local/cuda-9.0 export PATH=/usr/local/cuda-9.0/bin:$PATH
用的shell是bashrc的,就在.bashrc中添加
测试cuda
输入
nvidia-smi,有GPU显示的信息,成功
cd /usr/local/cuda/samples/1_Utilities/deviceQuery,
sudo make,`./deviceQuery,依次执行,没有报错,成功
三、安装cudnn
去cudnn官网下载对应的版本解压下载的文件,然后按下面命令复制到cuda目录
sudo cp cuda/include/cudnn.h /usr/local/cuda/include sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
四、安装pytorch-gpu
很简单,直接去官网下载,有详细说明,pytroch官网五、总结
我跑了一个两层的CNN,数据用的mnist,一开始跑不了,内存爆了……正当我放弃的时候,试了试把batchsize调小一点,把测试的数据集也调小,结果就成了^_^听别人说装cuda+tensorflow/caffe很多坑,网上的博文也很多,当自己照着官方文档安装时发现并没有很多坑。所以,一开始我就说了,尽量不要参考我的博文,我只是记下来当个备忘录的作用,以后尽量参考官方文档的好,共勉
相关文章推荐
- Ubuntu16.04 nvidia显卡驱动 cuda9.0 cudnn7.0.5 简要配置流程
- pytorch和torchnet的安装与测试(Ubuntu16.04+cuda9.0)
- 深度学习环境配置Ubuntu16.04+CUDA8.0+CuDNN+Anaconda2+openCV2.4.9+caffe(全离线GPU版)
- Ubuntu16.04 +cuda8.0+cudnn+opencv3.1.0+tensorflow+torch配置明细
- pytorch-0.2成功调用GPU:ubuntu16.04,Nvidia驱动安装以及最新cuda9.0与cudnnV7.0配置
- Ubuntu 16.04+cuda 9.0+cudnn 7配置Torch运行DenseCap开源代码遇到问题
- Ubuntu 16.04:Pytorch环境搭建(NVIDIA驱动 + CUDA 9.0 + CUDNN 7.0 + Pytorch)
- Ubuntu16.04安装cuda8.0,cudnn6.0,并在conda里安tensorflow1.3(与cuda8.0匹配),pycharm的gpu加速环境变量配置
- ubuntu16.04+caffe+GPU Ubuntu16.04+CUDA8.0+caffe配置
- Ubuntu16.04配置tensorflow-gpu环境(CUDA+cuDNN)
- 深度环境配置ubuntu16.04 cuda9.0 cudnnv7.0 tensorflow1.5
- Zaro深度学习配置ubuntu16.04+gpu驱动+cuda8.0+cudnn+opencv3.1+caffe
- 神舟z7-kp7s1-GTX1060+ubuntu16.04+cuda8.0+cudnn5.1+GPU配置教程
- Ubuntu16.04 anaconda pytorch-gpu环境
- Ubuntu16.04 CUDA8.0+caffe+gpu运行环境配置
- Ubuntu16.04+GTX1070显卡驱动+cuda8.0+cudnn5.1+tensorflow-gpu环境配置
- Ubuntu 16.04下配置GPU版CUDA和cuDNN
- Ubuntu16.04 / Windows10 安装 Tensorflow GPU版教程 CUDA9.0 - 请转CDA8.0
- torch在ubuntu16.04下的搭建(cuda9.0+cudnn7.0)
- 【Docker】在ubuntu14.04镜像上安装GPU显卡驱动, CUDA和CUDNN