修正:Ubuntu 18.04+RTX2080Ti建议安装cuda10.0,cudnn7.5.1,pytorch1.4.0+cu100 / torchvision0.5.0+cu100,tensorflow-gpu1.14.0 修正日期:20200611 安装方式与下文描述类似,只要选择上面的版本安装即可
一、安装cuda(准备工作)
1、检查Linux版本是否支持CUDA Ubuntu18.04 + RTX2080ti
支持 2、检查系统是否安装gcc
gcc --version
3、 检查是否安装了kernel header和 package development 在终端中输入: uname -r
可以查看自己的kernel版本信息 在终端中输入: sudo apt-get install linux-headers-$(uname -r)
可以安装对应kernel版本的kernel header和package development 4、运行nvidia-smi
查看现有驱动支持的cuda版本 (重要)根据上述运行结果查看driver version和CUDA Version的版本。此外,如果需要安装pytorch或者tensorflow,可登陆pytorch官网进行查看当前pytorch支持的cuda的版本,根据对应的版本下载pytorch。 5、下载官网run文件:cuda官网 下载完成后,继续下一步。 6、runfile安装 A) 禁用 nouveau
终端中运行: lsmod | grep nouveau
,如果有输出则代表nouveau正在加载。 因为我早就安装了NVIDIA的显卡驱动,禁用了nouveau,所以没有输出。 B) 切换到.run
安装文件的路径,运行 sudo sh cuda_10.1.105_418.39_linux.run
(10.2版本类似)! 注意:不安装driver,否则重启之后电脑一直蓝屏(踩坑)。 7、设置环境变量 终端输入:sudo gedit /etc/profile
,输密码后进入,打开文件末尾,加入以下两行后保存。(10.2版本类似)
export PATH=/usr/local/cuda-10.1/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda10.1/lib64
1)在终端输入sudo gedit ~/.bashrc
2)在文本的最后输入
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.1/lib64
export PATH=$PATH:/usr/local/cuda-10.1.0/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.1
目录要对应自己的cuda版本 3)然后source ~/.bashrc
激活环境 4)在终端输入nvcc -V
出现下面画面则安装成功 !blog.csdnimg.cn/20200528154419611.png (图片参考:https://blog.csdn.net/hou9021/article/details/104311088)
重启:sudo reboot
开始测试cuda是否安装成功: 命令如下:
cd /usr/local/cuda-10.2/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
最后结果显示,如下: (图片参考:https://blog.51cto.com/14204744/2464180?source=dra) 有些地方可能会不一样,只要最后是Result = PASS就代表这cuda10.1安装成功了。
CUDA卸载:
cd /usr/local/cuda/bin
sudo ./cuda-uninstaller
CUDNN安装
安装cuDNN 7.6.5
版本,转到官网下载,下载前先注册一下,填个调查问卷,根据自己的环境和架构选择包,下载到本地。 注意:具体的版本请参照官网,只需要与cuda的版本对应即可 切换到下载目录 cd Downloads
,然后按照以下操作进行, 解压: cuDNN Library for Linux
, 输入: tar -zxvf cudnn-10.1-linux-x64-v7.6.5.32.tgz
将解压出来的文件复制到安装的CUDA环境中,输入:
sudo cp cuda/include/cudnn.h /usr/local/cuda/inlude
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
更改权限,输入:
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
注意:如果系统提示找不到cudnn.h
,可复制cuda/include/cudnn.h
到/usr/local/cuda/include/
目录下
安装PyTorch1.3
进入PyTorch官网安装合适的版本。 输入: pip3 install torch torchvision
,等待安装结束(现在官网最新版本为1.5) 安装完成后,进入python3环境,验证是否成功。 输入: python3
再输入:
import torch
import torchvision
没有报错,说明安装成功。 最后验证下GPU能否使用,输入: print(torch.cuda.is_available())
,输出True,说明没问题。 参考文章:https://www.cnblogs.com/booturbo/archive/2019/11/11/11834661.html