gpu服务器开发环境搭建

gpu服务器开发环境搭建

参考连接

检查显卡和驱动

检查驱动列表

查看建议版本

检查GPU是否支持CUDA

查看型号

去网站输入1db6，可以得到显卡型号

安装驱动并测试

直接安装推荐版驱动

sudo ubuntu-drivers autoinstall

重启电脑测试驱动是否启动

有这样的反馈表示正常启动了。

安装anoconda

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.3.1-Linux-x86_64.sh

依次输入enter、yes、yes、no（不安装vscode），source ~/.bashrc使环境变量生效

配置pytorch环境

#创建虚拟环境，并以pytorch_1.2命名，python版本为3.7
$conda create -n pytorch_1.2 python=3.7

#激活刚刚建立的虚拟环境
$ conda activate pytorch_1.2

#安装pytorch_1.2相关包，以及cudatoolkit（直接重pytorch官网复制）
#pytorch官网链接 https://pytorch.org/get-started/previous-versions/
$ conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0 -c pytorch

#完成后检查GPU是否可用
$python
>>> import torch
>>> torch.cuda.is_available()
True
#True表示成功，Flase表示失败

配置tensorflow环境

#创建虚拟环境，并以tensorflow_2.0.0命名，python版本为3.7
$conda create -n tensorflow_2.0.0 python=3.7

#激活刚刚建立的虚拟环境
$ conda activate tensorflow_2.0.0

#安装tensorflow_2.0.0相关的工具包
$ conda install tensorflow-gpu==2.0.0 


#完成后检查GPU是否可用
$python
>>> import tensorflow as tf
>>> tf.test.is_gpu_available()
True
#True表示成功，Flase表示失败

conda配置好不同的工具环境，工具环境和系统环境是独立的