个人域名可以建公司网站吗,sticklr wp wordpress,大渡口网站建设哪家好,湖南人文科技学院招生网每次配置模型环境#xff0c;无论是在windows#xff0c;linux#xff0c;集群服务器上都会在这里卡一段#xff0c;为了未来配置方便#xff0c;记录下配置注意事项
配置cuda和torch主要有几个要点#xff0c;分别是#xff1a;
显卡与驱动#xff08;NIVIADA drive…每次配置模型环境无论是在windowslinux集群服务器上都会在这里卡一段为了未来配置方便记录下配置注意事项
配置cuda和torch主要有几个要点分别是
显卡与驱动NIVIADA driver是否适配。cuda版本与显卡是否适配。torch是否为gpu版本torch版本与cuda与python是否适配touchvision版本与torch是否适配。
1. 显卡与驱动NIVIADA driver是否适配
On Linux/OS X
nvidia-smi结果形式一般为
-----------------------------------------------------------------------------
| NVIDIA-SMI 520.61.05 Driver Version: 520.61.05 CUDA Version: 11.8 |
|---------------------------------------------------------------------------
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
||
| 0 NVIDIA A100-PCI... Off | 00000000:3B:00.0 Off | 0 |
| N/A 27C P0 54W / 250W | 0MiB / 40960MiB | 0% E. Process |
| | | Disabled |
--------------------------------------------------------------------------------------------------------------------------------------------------------
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
||
| No running processes found |
-----------------------------------------------------------------------------NVIDIA-SMI 520.61.05 Driver Version: 520.61.05 是适配的即可不然需要重新安装driver。
2. cuda版本与显卡gpu是否适配。
查询Compute Capability (CUDA SDK support 步骤为
先确定显卡的算力级别For example, the GeForce 820M compute capability is 2.1.再确定cuda版本是否支持该算力级别: For example, CUDA 9.2 is not supported for compute compatibility 2.1.
3. cuda是否与driver适配
On Linux/OS X
nvidia-smi结果形式一般为
-----------------------------------------------------------------------------
| NVIDIA-SMI 520.61.05 Driver Version: 520.61.05 CUDA Version: 11.8 |
|---------------------------------------------------------------------------
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
| | | MIG M. |
||
| 0 NVIDIA A100-PCI... Off | 00000000:3B:00.0 Off | 0 |
| N/A 27C P0 54W / 250W | 0MiB / 40960MiB | 0% E. Process |
| | | Disabled |
--------------------------------------------------------------------------------------------------------------------------------------------------------
| Processes: |
| GPU GI CI PID Type Process name GPU Memory |
| ID ID Usage |
||
| No running processes found |
-----------------------------------------------------------------------------注意 此表中显示的 CUDA 版本并不表示您的系统上实际安装了 CUDA 工具包这仅表明您的图形驱动程序兼容的最新版本的 CUDA。一般下载这个版本的cuda就对了。
3. pytorch安装
一般安装步骤
conda install pytorch torchvision torchaudio cudatoolkit11.8一般linux/windows这样就没问题了但是由于我使用的是集群服务器环境配置与模型训练gpu不在同一个节点这样会直接安装为cpu版本的pytorch。同时集群里有cuda11.9module我是不用下载cudatoolkit的。 检查一下
$ conda list pytorch
pytorch 2.0.0 py3.9_cpu_0 pytorch
pytorch-mutex 1.0 cpu pytorch
cudatoolkit 11.1.1 heb2d755_10 conda-forge果然是cpu版本呢。于是我首先卸载了原来版本的torch或者重新创建环境。然后手动安装下载wheel在官方网站可下载。 cu开头的就是gpu版本啦 同时下载对应版本的torchvision 这里我一开始下了cu118/torchvision-0.16.1%2Bcu118-cp311-cp311-win_amd64.whl但是torchvision0.16和torch2.0不兼容所以还要注意torch和torchvision匹配问题。 然后传到服务器文件夹里在conda环境pip安装即可。
我在gpu节点测cuda一直false的原因就是torch和torchvision不匹配torchvision后装把前面装的pytorch覆盖了重装了cuda12.1的版本导致无法与GPU兼容。
4.测试与运行
这之后应该就可以正常运行了gpu了测试gpu的pbs文件
#!/bin/bash
#PBS -N yolov5_train
#PBS -l nodes1:ppn1:gpus1
#PBS -l walltime1:00:00
#PBS -o yolov5_train.out
#PBS -e yolov5_train.err
#PBS -A your_account
#PBS -V
#PBS -q gpu# 使用GPU前必须启动
export PATH/usr/local/cuda-11.8/bin:$PATH
export LD_LIBRARY_PATH/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH# 查看cuda版本
nvcc --version
# Display GPU information
nvidia-smiconda init bash
source ~/.bashrcconda activate checkcuda2# Check if CUDA is available using Python
python -c import torch; print(torch.__version__)
python -c import torch; torch.zeros(1).cuda()
python -c import torch; print(torch.version.cuda)
python -c import torch; print(torch.cuda.is_available())conda deactivate参考
Why torch.cuda.is_available() returns False even after installing pytorch with cuda?GPU版本安装Pytorch教程最新方法
