jsp写的网站,企业网站建设的报价,网站建设和网站推广可以同一家做吗,郑州个人做网站文章创作不易#xff0c;麻烦大家点赞关注收藏一键三连。 在Deepin上面跑Tensorflow, pytorch等人工智能框架不是一件容易的事情。特别是如果你要使用GPU#xff0c;就得有nvidia的驱动。默认情况下Deepin系统自带的是nouveau开源驱动。这是没办法用tensorflow的。下面内容是…文章创作不易麻烦大家点赞关注收藏一键三连。 在Deepin上面跑Tensorflow, pytorch等人工智能框架不是一件容易的事情。特别是如果你要使用GPU就得有nvidia的驱动。默认情况下Deepin系统自带的是nouveau开源驱动。这是没办法用tensorflow的。下面内容是如何在Deepin 20.3中安装nvidia驱动。
下载驱动
首先仍然是下载驱动。打开 https://www.nvidia.cn/geforce/drivers/之后在列表里面查找你的显卡和平台。这里特别要注意的是操作系统一定要选择Linux 64-Bit。语言选中文或者英文都无所谓。你后面安装的时候会发现你选了中文也是英文安装界面。 选好以后点“开始搜索”找到对应的驱动就可以下载了。后面的步骤比较直接我就不截图了。
准备工作
我们假设下载以后是在~/Downloads目录下。安装之前检查一下显卡驱动。最简单的办法是打开深度应用商店之后搜索并安装显卡驱动管理器(Graphics Driver Manager)。 安装好以后打开。如果你的驱动选择不是第一个集显驱动那么把驱动切换成集显驱动。 修改好以后还需要安装几个必要的包
sudo apt install pkg-config libglvnd-dev libglvnd-core-dev
之后把系统重启以后到grub界面按e键进行编辑。找到initrd那一行在后面不要换行加上以下内容
nouveau.modeset0 init 3
熟悉grub的读者可能知道init 3意思是把Linux启动到命令行下面。这主要是因为nvidia驱动不能在x server启动的情况下安装。
文本模式下安装
启动到文本模式下以后输入用户名和密码之后准备安装下面例子中我的安装文件名称是NVIDIA-Linux-x86_64-495.44.run
$ cd ~/Downloads/ $ chmod x NVIDIA-Linux-x86_64-495.44.run $ ./NVIDIA-Linux-x86_64-495.44.run
配置grub
安装好以后输入reboot重启。重启其实默认系统还是会启动nouveau。为了把nouveau禁用掉进入到/etc/default/grub.d下面找一下有没有类似10_deepin.cfg的。如果有的话修改一下在里面内容加上nouveau.modeset0。比如我的修改过以后就是
GRUB_CMDLINE_LINUX_DEFAULT$GRUB_CMDLINE_LINUX_DEFAULT DEEPIN_GFXMODE\$DEEPIN_GFXMODE nouveau.modeset0
之后更新grub:
$ sudo update-grub
再重启登录以后在命令行输入nvidia-smi就可以看到nvidia驱动已经被正确安装了。
安装CUDA
安装CUDA之前首先安装一下build-essential sudo apt-get install build-essential
这里以CUDA 11.2为例首先还是下载https://developer.nvidia.com/cuda-11.2.0-download-archive?target_osLinuxtarget_archx86_64target_distroDebiantarget_version10target_typerunfilelocal 可以看到在网页下面有Base Installer的指令。按照指令首先下载
wget https://developer.download.nvidia.com/compute/cuda/11.2.0/local_installers/cuda_11.2.0_460.27.04_linux.run
下载好以后检查一下是否有执行权限正常情况下是应该有的。如果没有可以chmod x加上以后sudo运行。
运行以后第一个屏幕是这样的 在光标处打字输入accept。之后选择组件 默认情况下驱动Driver是选中的因为我们已经安装好了驱动所以没必要在这里选择把光标用方向键移动到Driver那一行然后按空格键取消选择反选以后的状态就像上面图片中一样之后光标移动到Install按回车。
安装好的文件夹在/usr/local/cuda-11.2如果版本不同路径名称也会有差异.
之后用root身份编辑/etc/profile文件将/usr/local/cuda-11.2/bin加入PATH环境变量中将/usr/local/cuda-11.2/lib64加入LD_LIBRARY_PATH环境变量中。比如我的/etc/profile开头我改成了这样
if [ id -u -eq 0 ]; then PATH/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/usr/local/cuda-11.2/binelse PATH/usr/local/bin:/usr/bin:/bin:/usr/local/games:/usr/games:/sbin:/usr/sbin:/usr/local/cuda-11.2/binfiexport PATH
LD_LIBRARY_PATH/usr/local/cuda-11.2/lib64export LD_LIBRARY_PATH
之后可以重启一下机器让配置生效。
如果要验证是否安装正确可以将cuda目录下的samples拷贝出来进行构建(build。如果能够构建成功不出错那么就说明安装成功了
$ cp /usr/local/cuda-11.2/samples/ ~/samples -Rf$ cd ~/samples$ make编译以后的二进制文件应该在~/samples/bin/x86_64/linux/release下面。可以进一步尝试运行一下这些二进制文件。
安装nvidia-docker
如果要在docker里面跑一些深度计算那么需要安装nvidia-docker。首先还是要安装docker。Deepin自带的软件源里面已经有docker了。所以可以直接用apt进行安装
$ sudo apt install docker-ce docker.io
之后启动docker服务
$ sudo systemctl start docker
如果不想老是sudo可以当前用户加入docker用户组
$ sudo usermod -aG $USER
上面命令里面可以把$USER换成你需要的用户名。运行以后需要注销一次再重新登录以使得变更生效。
之后运行下面的命令安装nvidia-docker:
$ curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -$ curl -s -L https://nvidia.github.io/nvidia-docker/debian10/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list $ sudo apt update sudo apt install -y nvidia-container-toolkit 到这里所有安装就完成了。后面就应该可以用GPU跑绝大多数的人工智能框架了。
