PyTorch1.2 + CUDA10.0 + cuDNN7.6 + Anaconda3配置

目标：

在2080Ti GPU上，运行PyTorch 1.2 GPU版本。
经过确认，PyTorch 1.2可以搭配CUDA 10.0，而CUDA 10.0搭配cuDNN 7.6（官网下载页面可以直接看到）。
安装Anaconda，创建一个py3.6的pytorch环境。

具体步骤：

参考这个教程，安装NVIDIA驱动。

注意安装时加上-no-opengl-files参数，防止登录自循环。
安装CUDA10.0
- 到NVIDIA官网，下载CUDA Toolkit 10.0的runfile版本。官网上提供了安装指令。但不要照做。后面细说。
- 将文件转移到服务器的某路径下，执行：sudo sh cuda_xxx.run。
- 长按空格跳过说明。Install NVIDIA Accelerated选择no，其他默认或y。
- 安装完毕，警告是因为刚刚选了个n，没关系。
- 编辑环境变量：sudo vim ~/.bashrc，添加以下三行：
```
export CUDA_HOME=/usr/local/cuda

export PATH=$PATH:$CUDA_HOME/bin

export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
```
- 激活：source ~/.bashrc。
- 测试：最后看到PASS就成功了！
```
cd /usr/local/cuda/samples/1_Utilities/deviceQuery

sudo make

./deviceQuery
```
安装cuDNN7.6
- NVIDIA官网下载。需要注册。从今往后可能要多次安装下载，可以记住密码。注意对应CUDA 10.0版本。我选择cuDNN Library for Linux。
- 转移到服务器，tar xvf cudnnxxx解压。
- 执行以下操作：
```
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

sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
```
- 完成！可查看版本：cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2。
安装Anaconda
- 在官网查看最新版本的链接，在服务器直接wget xxx下载。例如wget https://repo.anaconda.com/archive/Anaconda3-2019.07-Linux-x86_64.sh。或者用迅雷下，很快。
- 安装，一切默认。
- 如果刚刚没有选y激活，那么就手动在命令行激活：conda init bash，重新打开terminal。
- 切换为国内源：
```
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
```
- 还可以增加Anaconda关于PyTorch的国内源：
```
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
```
- 创建环境pt1.2_py3.6：conda create -n pt1.2_py3.6 python=3.6。
- 激活该环境：conda activate pt1.2_py3.6。
安装PyTorch和Torchvision

在该环境下，conda install pytorch=1.2，conda install torchvision即可。

常用：conda install scikit-image，conda install numpy。

巴特西

Note | PyTorch1.2 + CUDA10.0 + cuDNN7.6 + Anaconda3配置

PyTorch1.2 + CUDA10.0 + cuDNN7.6 + Anaconda3配置

最新文章

热门文章