【开发配置】配置一台4090主力开发机的完全过程手册

1、硬件配置清单

硬件配置	数量	价格参考
Intel i7 13700KF(cpu)	1
九州风神冰魔方240 LT520(白)	1
华硕 ROG STRIX B760-I GAMING	1
海盗船 16G DDR5(6000MHZ) 复仇者	1
西数黑盘SN770 500G NVME	2
电竞判客AX RTX4090 X3W OC(白色)	1
闪鳞 S500 Type-c(白)	1
九州风神 DQ1000M-V3L	1

2、操作系统

这里设置双系统，分别将两个系统安装在对应的固态硬盘上，实现物理隔离，分区安装ubuntu时直接全盘覆盖即可。

操作系统	安装隔离
win11-专业版	SN770 500G NVME-1
ubuntu22.04	SN770 500G NVME-2

win11镜像：
ubuntu镜像：

3.Win11系统配置

....

4.Ubuntu系统配置

4.1 系统配置更新

首先进入系统后，要做的事情就是更新下一些配置；

sudo apt-get update
sudo apt-get upgrade

4.2 安装显卡驱动

其次，是安装英伟达4090显卡的驱动，以及相关的配置；

需要确保系统正确安装了NVIDIA GPU驱动。

CUDA 10.1要求最低显卡驱动版本为418.39；
CUDA 11.1要求最低显卡驱动版本为450.80.02；
CUDA 11.6要求最低显卡驱动为510.39.01。
执行以下指令检查驱动版本。

nvidia-smi

如果未安装GPU驱动，执行如下命令安装。

sudo apt-get update
sudo apt-get install ubuntu-drivers-common
sudo ubuntu-drivers autoinstall

安装完成后请重启系统。
重新执行下面命令，打印输出驱动信息，则说明驱动安装成功；

nvidia-smi

4.3 安装CUDA

仅安装驱动仍然无法使用显卡的算力资源，需要通过安装相应版本的CUDA进行配置；
可通过下列命令进行检查，是否可用；

nvcc -V

对于安装CUDA可通过下面的命令进行配置：

使用以下命令安装CUDA 11.6（推荐）。

wget https://developer.download.nvidia.com/compute/cuda/11.6.0/local_installers/cuda_11.6.0_510.39.01_linux.run
sudo sh cuda_11.6.0_510.39.01_linux.run
echo -e "export PATH=/usr/local/cuda-11.6/bin:\$PATH" >> ~/.bashrc
echo -e "export LD_LIBRARY_PATH=/usr/local/cuda-11.6/lib64:\$LD_LIBRARY_PATH" >> ~/.bashrc
source ~/.bashrc

或者使用以下命令安装CUDA 11.1。

wget https://developer.download.nvidia.com/compute/cuda/11.1.1/local_installers/cuda_11.1.1_455.32.00_linux.run
sudo sh cuda_11.1.1_455.32.00_linux.run
echo -e "export PATH=/usr/local/cuda-11.1/bin:\$PATH" >> ~/.bashrc
echo -e "export LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64:\$LD_LIBRARY_PATH" >> ~/.bashrc
source ~/.bashrc

或者使用以下命令安装CUDA 10.1。

wget https://developer.download.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda_10.1.243_418.87.00_linux.run
sudo sh cuda_10.1.243_418.87.00_linux.run
echo -e "export PATH=/usr/local/cuda-10.1/bin:\$PATH" >> ~/.bashrc
echo -e "export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64:\$LD_LIBRARY_PATH" >> ~/.bashrc
source ~/.bashrc

当默认路径/usr/local/cuda存在安装包的时候，LD_LIBRARY_PATH环境变量不起作用；

若pytorch等框架对版本有特定要求，可同时安装多个版本的CUDA，从而进行管理与配置。
假设已经安装完成，通过下面这个命令，即可验证是否可用；输出版本号，则是对应CUDA当前可用版本；

nvcc -V

4.4 安装cuDNN

完成CUDA的安装后，在cuDNN页面登录并下载对应的cuDNN安装包。如果之前安装了CUDA 10.1，下载配套CUDA 10.1的cuDNN v7.6.x；如果之前安装了CUDA 11.1，下载配套CUDA 11.1的cuDNN v8.0.x；如果之前安装了CUDA 11.6，下载配套CUDA 11.6的cuDNN v8.5.x。注意下载后缀名为tgz的压缩包。假设下载的cuDNN包名为cudnn.tgz，安装的CUDA版本为11.6，执行以下命令安装cuDNN。

tar -zxvf cudnn.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda-11.6/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-11.6/lib64
sudo chmod a+r /usr/local/cuda-11.6/include/cudnn.h /usr/local/cuda-11.6/lib64/libcudnn*

如果之前安装了其他CUDA版本或者CUDA安装路径不同，只需替换上述命令中的/usr/local/cuda-11.6为当前安装的CUDA路径。

如果您的计算机有 NVIDIA® GPU，请确保满足以下条件，依赖库环境版本要求如下：
- CUDA 工具包 10.2 配合 cuDNN v7.6.5, 如需使用 PaddleTensorRT 推理，需配合 TensorRT7.0.0.11
- CUDA 工具包 11.2 配合 cuDNN v8.2.1, 如需使用 PaddleTensorRT 推理，需配合 TensorRT8.0.3.4
- CUDA 工具包 11.6 配合 cuDNN v8.4.0, 如需使用 PaddleTensorRT 推理，需配合 TensorRT8.4.0.6
- CUDA 工具包 11.7 配合 cuDNN v8.4.1, 如需使用 PaddleTensorRT 推理，需配合 TensorRT8.4.2.4
- 如需使用分布式多卡环境，需配合 NCCL>=2.7
- GPU 运算能力超过 3.5 的硬件设备
  
  您可参考 NVIDIA 官方文档了解 CUDA、CUDNN 和 TensorRT 的安装流程和配置方法，请见CUDA，cuDNN，TensorRT

如果您需要使用多卡环境请确保您已经正确安装 nccl2，或者按照以下指令安装 nccl2（这里提供的是 CUDA10.2，cuDNN7 下 nccl2 的安装指令，更多版本的安装信息请参考 NVIDIA官方网站）:

Centos 系统可以参考以下命令

wget http://developer.download.nvidia.com/compute/machine-learning/repos/rhel7/x86_64/nvidia-machine-learning-repo-rhel7-1.0.0-1.x86_64.rpm

rpm -i nvidia-machine-learning-repo-rhel7-1.0.0-1.x86_64.rpm

yum update -y

yum install -y libnccl-2.7.8-1+cuda10.2 libnccl-devel-2.7.8-1+cuda10.2 libnccl-static-2.7.8-1+cuda10.2

Ubuntu 系统可以参考以下命令

wget https://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/nvidia-machine-learning-repo-ubuntu1604_1.0.0-1_amd64.deb

dpkg -i nvidia-machine-learning-repo-ubuntu1604_1.0.0-1_amd64.deb

sudo apt install -y libnccl2=2.7.8-1+cuda10.2 libnccl-dev=2.7.8-1+cuda10.2

4.5 安装gcc等

sudo apt install gcc

sudo apt install g++

4.6 安装输入法

下载链接：https://shurufa.sogou.com/linux
配置指南：https://shurufa.sogou.com/linux/guide

对照文档安装即可；

4.7 安装git与gedit

sudo apt install git

sudo apt install gedit

配置ssh key：

RSA, ECDSA, ED25519, ECDSA_SK, or ED25519_SK
RSA，DSA，ECDSA，EdDSA和Ed25519都用于数字签名，但只有RSA也可以用于加密。

RSA（Rivest–Shamir–Adleman）是最早的公钥密码系统之一，被广泛用于安全数据传输。它的安全性取决于整数分解，因此永远不需要安全的RNG（随机数生成器）。与DSA相比，RSA的签名验证速度更快，但生成速度较慢。

DSA（数字签名算法）是用于数字签名的联邦信息处理标准。它的安全性取决于离散的对数问题。与RSA相比，DSA的签名生成速度更快，但验证速度较慢。如果使用错误的数字生成器，可能会破坏安全性。

ECDSA（椭圆曲线数字签名算法）是DSA（数字签名算法）的椭圆曲线实现。椭圆曲线密码术能够以较小的密钥提供与RSA相对相同的安全级别。它还具有DSA对不良RNG敏感的缺点。

EdDSA（爱德华兹曲线数字签名算法）是一种使用基于扭曲爱德华兹曲线的Schnorr签名变体的数字签名方案。签名创建在EdDSA中是确定性的，其安全性是基于某些离散对数问题的难处理性，因此它比DSA和ECDSA更安全，后者要求每个签名都具有高质量的随机性。

Ed25519是EdDSA签名方案，但使用SHA-512 / 256和Curve25519；它是一条安全的椭圆形曲线，比DSA，ECDSA和EdDSA 提供更好的安全性，并且具有更好的性能（人为注意）。

其他说明

RSA密钥使用最广泛，因此似乎得到最好的支持。

ECDSA（在OpenSSH v5.7中引入）在计算上比DSA轻，但是除非您有一台处理能力非常低的机器，否则差异并不明显。

从OpenSSH 7.0开始，默认情况下SSH不再支持DSA密钥（ssh-dss）。根据SSH标准（RFC 4251及更高版本），DSA密钥可用于任何地方。

Ed25519在openSSH 6.5中引入。

ssh key的类型有四种，分别是dsa、rsa、 ecdsa、ed25519。
根据数学特性，这四种类型又可以分为两大类，dsa/rsa是一类，ecdsa/ed25519是一类，后者算法更先进。
dsa因为安全问题，已不再使用了。
ecdsa因为政治原因和技术原因，也不推荐使用。
rsa是目前兼容性最好的，应用最广泛的key类型，在用ssh-keygen工具生成key的时候，默认使用的也是这种类型。不过在生成key时，如果指定的key size太小的话，也是有安全问题的，推荐key size是3072或更大。
ed25519是目前最安全、加解密速度最快的key类型，由于其数学特性，它的key的长度比rsa小很多，优先推荐使用。它目前唯一的问题就是兼容性，即在旧版本的ssh工具集中可能无法使用。不过据我目前测试，还没有发现此类问题。

再总结一下：

如果可以的话，优先选择ed25519，否则选择rsa。

4.8 内存及磁盘相关工具

内存资源可视化分析工具

sudo apt install gdmap

gdmap

sudo apt-get install gparted

gparted

4.9 截图工具

sudo apt install flameshot

flameshot gui

ubuntu开发环境配置

Anaconda安装配置

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2023.03-Linux-x86_64.sh

sh Anaconda3-2023.03-Linux-x86_64.sh

IDE安装配置与激活

https://github.com/isLinXu/jetbrain-active

对照该Github repo的下载链接与安装激活步骤执行即可；

Pytorch安装

https://pytorch.org/get-started/previous-versions/

# CUDA 11.6
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

# CUDA 11.7
pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu117

Pytorch2.0安装

pip3 install torch torchvision torchaudio

TensorFlow安装

https://tensorflow.google.cn/install?hl=zh-cn

系统安装

pip3 install --user --upgrade tensorflow  # install in $HOME

验证安装效果：

python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

PaddlePaddle安装

python -m pip install paddlepaddle-gpu==2.4.2.post116 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html

Mindspore安装

pip install https://ms-release.obs.cn-north-4.myhuaweicloud.com/2.0.0rc1/MindSpore/unified/x86_64/mindspore-2.0.0rc1-cp37-cp37m-linux_x86_64.whl --trusted-host ms-release.obs.cn-north-4.myhuaweicloud.com -i https://pypi.tuna.tsinghua.edu.cn/simple

数据集api下载与管理

kaggle

pip install kaggle

chmod 600 ~/.kaggle/kaggle.json

e.gs示例：

 kaggle datasets download -d manchvictor/coco20142

opendatalab

pip install opendatalab

pip install pyqt5==5.15 -i https://pypi.tuna.tsinghua.edu.cn/simple

pip install pyqtwebengine==5.15 -i https://pypi.tuna.tsinghua.edu.cn/simple

odl info   ILSVRC2012_Images        # 查看此数据集的元数据

odl ls     ILSVRC2012_Images        # 查看此数据集的文件列表

odl get    ILSVRC2012_Images        # 下载此数据集

docker配置

参考材料

1.https://www.paddlepaddle.org.cn/install/quick?docurl=/documentation/docs/zh/install/pip/linux-pip.html
2.https://www.mindspore.cn/install
3.https://blog.51cto.com/u_15127634/4361097

posted @ 2023-04-27 18:46 Xu_Lin 阅读(4385) 评论(0) 编辑收藏举报

刷新页面返回顶部

Xu_Lin

Do more; Learn more; Be more

【开发配置】配置一台4090主力开发机的完全过程手册

【开发配置】配置一台4090主力开发机的完全过程手册

1、硬件配置清单

2、操作系统

3.Win11系统配置

4.Ubuntu系统配置

4.1 系统配置更新

4.2 安装显卡驱动

4.3 安装CUDA

4.4 安装cuDNN

4.5 安装gcc等

4.6 安装输入法

4.7 安装git与gedit

4.8 内存及磁盘相关工具

4.9 截图工具

ubuntu开发环境配置

Anaconda安装配置

IDE安装配置与激活

Pytorch安装

Pytorch2.0安装

TensorFlow安装

PaddlePaddle安装

Mindspore安装

数据集api下载与管理

kaggle

opendatalab

docker配置

参考材料

公告