怀柔重庆网站建设,河北省建设厅网站工程师查询,湖南建设监理工程网站,网站建设包括啥文章目录 安装Anaconda创建新环境安装Pytorch2.0安装VS CodeUbuntu下实时查看GPU状态的方法小实验#xff1a;Ubuntu、Windows10下GPU训练速度对比 Ubuntu安装完显卡驱动、CUDA和cudnn后#xff0c;下面部署深度学习环境。 #xff08;安装Ubuntu系统、显卡驱动、CUDA和cudn… 文章目录 安装Anaconda创建新环境安装Pytorch2.0安装VS CodeUbuntu下实时查看GPU状态的方法小实验Ubuntu、Windows10下GPU训练速度对比 Ubuntu安装完显卡驱动、CUDA和cudnn后下面部署深度学习环境。 安装Ubuntu系统、显卡驱动、CUDA和cudnn见我之前的文章
安装Anaconda
从官网anaconda.com下载。 首页会自动根据你的系统判断直接点Download即可。 sh文件下载完毕后打开终端使用bash命令安装 bash Anaconda3-2023.03-1-Linux-x86_64.sh。 根据提示进行安装即可。
安装路径可以默认。
输入yes初始化Anaconda。
安装完成 根据上面提示如果想要conda的基础环境base在启动时不被激活需要输入 conda config --set auto_activate_base false 我们重启终端输入以上命令即可。
这样安装完毕
创建新环境
我们之前已经安装了cuda 11.7和cudnn。 这次试着创建一个名为“pytorch2”新的python环境Python3.10 打开终端创建新环境。
conda create --name pytorch2 python3.10接着激活。
conda activate pytorch2安装Pytorch2.0
拟安装 pytorch2.0 torchvison0.15.1 torchaudio2.0.1 注既往cuda版本和pytorch版本对应参考pytorch pytorch和 torchvision、torchaudio 版本的对应参考torchaudio、torchvision 在首页我们可以获取安装的命令在刚创建的环境下终端输入即可如下图。 当然我们也可以自行下载对应的包自己安装。 再介绍一下手动下载安装对应的库的方法。 下载地址https://download.pytorch.org/whl/torch_stable.html 找到对应的链接 pytorch2.0cu117/torch-2.0.0%2Bcu117-cp310-cp310-linux_x86_64.whl torchvision 0.15.1cu117/torchvision-0.15.1%2Bcu117-cp310-cp310-linux_x86_64.whl torchaudio 2.0.1cu117/torchaudio-2.0.1%2Bcu117-cp310-cp310-linux_x86_64.whl
终端激活对应环境安装轮子
pip install torch-2.0.0cu117-cp310-cp310-linux_x86_64.whl
pip install torchvision-0.15.1cu117-cp310-cp310-linux_x86_64.whl
pip install torchaudio-2.0.1cu117-cp310-cp310-linux_x86_64.whl注如果安装依赖包很慢可以在命令行后面添加清华源地址 -i https://pypi.tuna.tsinghua.edu.cn/simple 最后再安装一些必要的包如numpy,pandas,matplotlib,opencv-python,tqdm等即可。
测试GPU是否可用
安装VS Code
官网下载https://code.visualstudio.com/Download 选择.deb我是x64版
下载完deb文件后终端输入sudo dpkg -i code_1.77.3-1681292746_amd64.deb安装。 安装完后打开VS Code安装Python插件即可。
Ubuntu下实时查看GPU状态的方法
终端
watch -n 3 nvidia-smi以3秒一刷新的方式打开nvidia-smi可以实时查看显存情况和进程。
小实验Ubuntu、Windows10下GPU训练速度对比
下面一张图直接对比了Ubuntu、Windows10的训练速度对比。 均为采用MobileNet微调模型训练猫狗分类实例具体例子见我。