乐趣区

关于深度学习:主机回来以及简单的环境配置RTX3070CUDA111CUDNNTensorRT

紧接着前几天的事:

  • 非凡的日子,想起了当年的双 (1080TI) 显卡装机实录

  • 炼丹炉买不起了: 聊一聊这段日子的显卡行情

之后,决定买一台整机玩玩。

而当初,主机终于回!来!了!主机回来干什么,当然是——配置环境。

老潘之前也有一些配置环境的文章,能够参考:

  • ubuntu16.04 下装置 NVIDIA(cuda)-gtx965m 相干步骤以及问题
  • pytorch-0.2 胜利调用 GPU:ubuntu16.04,Nvidia 驱动装置以及最新 cuda9.0 与 cudnnV7.0 配置
  • win10 下装置应用 pytorch 以及 cuda9、cudnn7.0
  • 装置 cuda9.1 内核问题:Unable to locate the kernel source
  • 深度学习 - 在 ubuntu16.04 装置 CUDA9.1- 总结(问题齐全解决方案)
  • 对于在 ubuntu 上源码装置 TensorFLow-1.7.0-cuda9.1-cudnn7.1.2 过程中问题解决方案

-_-|| 没想到那会写了这么多配置环境的文章,可能那会遇到的问题比拟多吧 … 配环境什么的,其实只有严格依照步骤来一步一步配,基本上不会呈现什么问题,呈现问题个别都是咱们 某一步没有走对 ,而退回去再走 比拟麻烦 而已。

而当初对于配环境来说能够是 驾轻就熟 了(前几年不晓得踩了多少坑,到当初都印象粗浅),严格依照步骤来,装置 Ubuntu 和配置深度学习环境,1 个小时多就搞定了。

接下来稍微具体地讲一下过程。

  • Windows 下装置 Ubuntu-18.04
  • 配置深度学习环境(Cuda+Cudnn+Pytorch+TensorRT)

主机长这样

先放一组图吧。

早晨开机还挺炫的,但其实对于老潘来说炫不炫不重要,性能好就行 …

主机配环境

主机回来店家只给我装了 Windows 零碎,对于老潘来说,打游戏是主要的 (哈哈哈哈 …),忍住了先下载一个 鬼泣 5 玩玩的想法。先从 Ubuntu 官网下载了官网的镜像包。

官网最新的 Ubuntu 是20.10,但对于搞事的人来说,还是 18.04 版本好一些(之前实验室用的是 16.04)。

开始配置双系统,双系统是必须的,Ubuntu 能够搞深度学习,也能够当服务器使,Windows 则能够应酬一些游戏和其余应急利用。

对于如何将下载好的 Ubuntu 零碎镜像制作成 U 盘、如何装置,老潘这里不赘述了。能够看以下这篇文章,介绍的很具体,我就是依照这个严格来执行的:

  • Windows 下装置 Ubuntu 具体教程

当然如果有问题欢送交换,间接留言即可~

装置过程

尽管不赘述了,但还是简略过一下:

进入 BIOS,抉择 Ubuntu 启动 U 盘,而后开始装置 Ubuntu:

其余一路点点点,而后简略分个区。

而后开始装置 …

期待半小时,装好了!

设置 SSH

为什么要设置ssh,当然是想让这个 Ubuntu 充当一个服务器的作用,开启之后能够应用 ssh 登录去操作。

例如我,能够先把服务器开了,而后应用其余电脑,例如 MAC,应用局域网通过 SSH 连贯这个服务器即可。

怎么开启 ssh 呢?新的 Ubuntu 零碎还没有装置 SSH。

执行以下命令:

sudo apt install openssh-server
sudo systemctl start ssh.service

而后能够通过 netstat -lnp | grep 22 查看下开启没。

如果想要每次启动主动开启 SSH,能够这样:

sudo systemctl enable ssh

这样就差不多啦。

装置 NVIDIA 显卡驱动

默认 Ubuntu 装置的是 llvmpipe 这个显卡驱动,这个是 linux 下的专用显卡驱动,当初须要换成 NVIDIA 的。

首先禁用nouveau

执行sudo gedit /etc/modprobe.d/blacklist.conf

加上以下这两句:

blacklist nouveau
options nouveau modest=0

保留后,而后执行:

sudo updata-initramfs -u
sudo reboot

重启后,Ctrl+Alt+F1切换到 tty 界面,敞开lightdm(如果没有则不必管):

sudo service lightdm stop

而后更新一下 apt 源以及看一下零碎举荐的 NVIDIA 驱动版本:

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
ubuntu-drivers devices

依据举荐的驱动版本,装置 NVIDIA 驱动:

sudo apt-get install nvidia-driver-460

如果嫌慢,能够增加阿里或者清华源:

sudo cp /etc/apt/sources.list /etc/apt/sources.list.bcakup
sudo gedit /etc/apt/sources.list

备份之后关上文件,增加以下源即可:

# 阿里云源
deb http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse
## 測試版源
deb http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse
# 源碼
deb-src http://mirrors.aliyun.com/ubuntu/ bionic main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-backports main restricted universe multiverse
## 測試版源
deb-src http://mirrors.aliyun.com/ubuntu/ bionic-proposed main restricted universe multiverse


# 清华大学源
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main restricted universe multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-security main restricted universe multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse
## 測試版源
deb http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse
# 源碼
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic main restricted universe multiverse
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-security main restricted universe multiverse
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse
## 測試版源
deb-src http://mirrors.tuna.tsinghua.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse

别忘了增加之后,进行更新二连:

sudo apt-get update
sudo apt-get upgrade

这样就能够顺利的装置 NVIDIA 驱动了。

而后下载好以下 三个深度学习伴侣

开始装置吧!

装置 Cuda、Cudnn

Cuda 当然是必须要装的。

找到下载好的11.1cuda 环境包(当初进去 11.2 了),而后执行:

sudo sh cuda_11.1.0_455.23.05_linux.run

会进去一堆 blabla 的选项:

  • 1、确保你环境外头是否有旧的 cuda,有的话倡议删除
  • 2、批准条款..
  • 3、确认是否要装置驱动、装置 demo… 以及装置地位确定
  • 4、开始装置 ing

对于老潘来说,上一步中曾经装置了 cuda 驱动,不须要再装旧版的 (新版驱动兼容旧版驱动匹配的 cuda),所以这里就把 驱动选项去掉,其余的装置依照我的需要循序渐进来就好。

留神
如果你没有 root 权限,无奈应用sudo,想要装置 cuda 也是能够的。只有自定义好装置地位即可,运行如下命令即可将 cuda 装置到以后 home 下的 software 文件夹内:

./cuda_11.1.0_455.23.05_linux.run --silent --toolkit --toolkitpath=$HOME/software/cuda --defaultroot=$HOME/software/cuda

不管咋样装置好之后会显示:

依照下面的要求配置环境变量即可:

(base) oldpan@oldpan-fun:~/software$ vim ~/.bashrc  

将
export PATH=/usr/local/cuda-11.1/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64:$LD_LIBRARY_PATH
增加到关上的文件中

(base) oldpan@oldpan-fun:~/software$ source ~/.bashrc
(base) oldpan@oldpan-fun:~/software$ nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2020 NVIDIA Corporation
Built on Tue_Sep_15_19:10:02_PDT_2020
Cuda compilation tools, release 11.1, V11.1.74
Build cuda_11.1.TC455_06.29069683_0

Cudnn

cudnn 的装置就比较简单了,解决压缩包而后复制粘贴就行:

tar -xzvf cudnn-11.2-linux-x64-v8.1.1.33.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn.h

装置 Anaconda

装置 Anaconda 也很简略,从这里下载好(不想下的看老潘整顿文末的软件包):

而后 sh Anaconda3-2020.11-Linux-x86_64.sh 就行。

装置好之后,配置 conda 以及 pip 清华源,参考以下文字即可:

  • pycharm 批改 pip 源为清华源, 进步下载速度
  • anaconda 常用命令配置信息及更换源

装置 Pytorch

装置 Pytorch 就比较简单了,如果不想本人编译,间接从官网依照你的 Cuda 版本和 Cudnn 版本装置即可:

https://download.pytorch.org/…

装置好 Pytorch 之后,测试一下 cuda 是否工作失常:

>>> import torch
>>> torch.cuda.is_available()
True
>>> torch.ones(1).cuda()
tensor([1.], device='cuda:0')
>>> torch.cudnn_is_acceptable(torch.ones(1).cuda())
True

OK~

TensorRT

TensorRT 独自发一篇文章来说吧~

一些资源

配环境须要很多 软件包,例如:

  • Anaconda
  • Pytorch.whl
  • TensorRT
  • CUDA
  • CUDNN

有些能够在清华大学开源软件镜像站下载,然而 TensorRT 和 CUDA、CUDNN 须要从官网下而且须要注册而且很慢。

老潘整顿了一些曾经下载好的软件包。

公众号内回复 015 获取,能够看看有没有你须要的:

想写的还有很多,下篇再讲(呼呼)。

如果有问题欢送留言,欢送关注「oldpan 博客」公众号,老潘的全副家当都在这里了。很违心与你交朋友~

参考

https://www.cnblogs.com/masba…
https://blog.csdn.net/ZPeng_C…

撩我吧

  • 如果你与我气味相投于此,老潘很违心与你交换;
  • 如果你喜爱老潘的内容,欢送关注和反对。
  • 如果你喜爱我的文章,心愿点赞???? 珍藏 ???? 评论 ???? 三连一下~

想晓得老潘是如何学习踩坑的,想与我交换问题~ 请关注公众号「oldpan 博客」。
老潘也会整顿一些本人的私藏,心愿能帮忙到大家,点击神秘传送门获取。

退出移动版