深度学习环境配置(一)
CUDA/CuDNN/PyTorch 环境配置
前置 | Python
参考 [1] 查找版本对应,切换 Python 版本
ModuleNotFoundError 解决。想要什么模块就装完再构建,如 BZIP2
1 | apt install libbz2-dev |
手动编译安装
1 | ./configure --enable-optimizations |
版本切换
1 | # 直接在 .bashrc 修改了 |
卸载 (针对手动编译)
1 | # 由于源码安装,删除目录便是卸载 |
CUDA
首先 nvidia-smi
查看当前驱动支持的最高 CUDA 版本。版本检查
1 | whereis cuda |
建议切换版本,不卸载旧版本
1 | wget https://developer.download.nvidia.com/compute/cuda/11.6.2/local_installers/cuda_11.6.2_510.47.03_linux.run |
修改 /root/.bashrc 后,检查版本已更改为 11.6
1 | export PATH="/usr/local/cuda-11.6/bin:$PATH" |
CuDNN
检查当前 CUDNN 版本
1 | print(torch.backends.cudnn.version()) |
更换 CuDNN
1 | tar -xvf cudnn-linux-x86_64-8.4.0.27_cuda11.6-archive.tar.xz |
检查,该结果与 torch.backends.cudnn.version()
打印结果 (仍为 90100) 不一致
1 | cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2 |
PyTorch
这几个版本要匹配起来 (CUDA/CuDNN/PyTorch) 才能正常运行。为了 CUDA 做了妥协,调整 PyTorch,指定 1.13 版本安装
1 | pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116 |
尚不支持 NumPy 2,降到 Numpy 1。
本博客所有文章除特别声明外,均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来自 Miya's Blog!
评论