网站文件验证,上海推广网站公司,外包服务公司排名,网站三合一由于一些代码实现#xff08;cuda写的外部扩展包#xff09;对cuda版本要求比较高#xff0c;因此#xff0c;我在实验室linux系统下默认的cuda版本上#xff0c;没办法编译扩展包。需要重新安装特定版本的cuda。
一. 首先#xff0c;需要查看系统版本#xff1a;
lsb… 由于一些代码实现cuda写的外部扩展包对cuda版本要求比较高因此我在实验室linux系统下默认的cuda版本上没办法编译扩展包。需要重新安装特定版本的cuda。
一. 首先需要查看系统版本
lsb_release -a显示 二. 去官网找到下载cuda toolkit的指令。
CUDA Toolkit Archive | NVIDIA Developer 依次选择得到对应的版本。执行以下命令不带sudo执行。
wget https://developer.download.nvidia.com/compute/cuda/10.2/Prod/local_installers/cuda_10.2.89_440.33.01_linux.run
sudo sh cuda_10.2.89_440.33.01_linux.run
等待一会后输入accept显示 把x全部取消只选择cuda toolkit。下一步要选择OptionsToolkit Optionschange Toolkit Install Path将这里的默认改为自己在服务器上的路径文件夹。/home/songjiuman/cuda-10.2
回到上一步全部取消选择Done然后Install。 出现错误安装不上修改安装命令如下
sh cuda_10.2.89_440.33.01_linux.run --librarypath/home/songjiuman/cuda-10.2
显示 三. 去官网找到下载cudnn。
cuDNN Archive | NVIDIA Developer 下载后解压
tar -xvf cudnn-10.2-linux-x64-v7.6.5.32.tgz然后将cudnn的一些文件复制到 cuda的路径当中
cp cuda/include/cudnn.h your_path/include/ #这里的your_path是安装cuda的绝对路径默认为在这个文件夹下操作
例如cp cuda/include/cudnn.h /home/songjiuman/cuda-10.2/include/
cp cuda/lib64/libcudnn* your_path/lib64/
chmod ar your_path/include/cudnn.h
chmod ar your_path/lib64/libcudnn*
四. 修改环境变量。
vim ~/.bashrcexport PATH/home/songjiuman/cuda-10.2/bin${PATH::${PATH}}
export LD_LIBRARY_PATH/home/songjiuman/cuda-10.2/lib64${LD_LIBRARY_PATH::${LD_LIBRARY_PATH}}
export CUDA_HOME/home/songjiuman/cuda-10.2
export LD_LIBRARY_PATH$LD_LIBRARY_PATH:/home/songjiuman/cuda-10.2/lib64
export LD_LIBRARY_PATH/home/songjiuman/cuda-10.2/extras/CUPTI/lib64:$LD_LIBRARY_PATH
激活环境变量
source ~/.bashrc
echo $CUDA_HOME
检查版本 五安装pytorch
Previous PyTorch Versions | PyTorch
创建一个虚拟环境conda create -n xxx python3.7
激活这个虚拟环境conda activate xxx
# CUDA 10.2
conda install pytorch1.7.1 torchvision0.8.2 torchaudio0.7.2 cudatoolkit10.2 -c pytorch
安装完成后进入python环境检查CUDA是否可用调用torch.cuda.is_available()返回True说明CUDA环境可用。
