老潘博客

老潘博客

关注
发信
关注(28)粉丝(399)

主机回来以及，简单的环境配置(RTX3070+CUDA11.1+CUDNN+TensorRT)

紧接着前几天的事：

之后，决定买一台整机玩玩。

而现在，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，可以参考：

-_-|| 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较多吧...配环境什么的，其实只要严格按照步骤来一步一步配，基本上不会出现什么问题，出现问题一般都是我们某一步没有走对，而退回去再走比较麻烦而已。

而现在对于配环境来说可以是轻车熟路了(前几年不知道踩了多少坑，到现在都印象深刻)，严格按照步骤来，安装Ubuntu和配置深度学习环境，1个小时多就搞定了。

主机回来以及，简单的环境配置(RTX3070+CUDA11.1+CUDNN+TensorRT)-LMLPHP

接下来略微详细地讲一下过程。

  • Windows下安装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。

主机回来以及，简单的环境配置(RTX3070+CUDA11.1+CUDNN+TensorRT)-LMLPHP

主机回来以及，简单的环境配置(RTX3070+CUDA11.1+CUDNN+TensorRT)-LMLPHP

主机回来以及，简单的环境配置(RTX3070+CUDA11.1+CUDNN+TensorRT)-LMLPHP

主机回来以及，简单的环境配置(RTX3070+CUDA11.1+CUDNN+TensorRT)-LMLPHP

主机回来以及，简单的环境配置(RTX3070+CUDA11.1+CUDNN+TensorRT)-LMLPHP

主机回来以及，简单的环境配置(RTX3070+CUDA11.1+CUDNN+TensorRT)-LMLPHP

晚上开机还挺炫的，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系统，对于老潘来说，打游戏是次要的(哈哈哈哈...)，忍住了先下载一个鬼泣5玩玩的想法。先从Ubuntu官方下载了官方的镜像包。

官方最新的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)。

主机回来以及，简单的环境配置(RTX3070+CUDA11.1+CUDNN+TensorRT)-LMLPHP

开始配置双系统，双系统是必须的，Ubuntu可以搞深度学习，也可以当服务器使，Windows则可以应付一些游戏和其他应急应用。

关于如何将下载好的Ubuntu系统镜像制作成U盘、如何安装，老潘这里不赘述了。可以看以下这篇文章，介绍的很详细，我就是按照这个严格来执行的：

当然如果有问题欢迎交流，直接留言即可~

安装过程

虽然不赘述了，但还是简单过一下：

进入BIOS，选择Ubuntu启动U盘，然后开始安装Ubuntu：

其他一路点点点，然后简单分个区。

主机回来以及，简单的环境配置(RTX3070+CUDA11.1+CUDNN+TensorRT)-LMLPHP

然后开始安装...

主机回来以及，简单的环境配置(RTX3070+CUDA11.1+CUDNN+TensorRT)-LMLPHP

等待半小时，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，开启之后可以使用ssh登录去操作。

例如我，可以先把服务器开了，然后使用其他电脑，例如MAC，使用局域网通过SSH连接这个服务器即可。

怎么开启ssh呢？新的Ubuntu系统还没有安装SSH。

执行以下命令：

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

然后可以通过netstat -lnp | grep 22查看下开启没。

如果想要每次启动自动开启SSH，可以这样：

sudo systemctl enable ssh

这样就差不多啦。

安装NVIDIA显卡驱动

默认Ubuntu安装的是llvmpipe这个显卡驱动，这个是linux下的公用显卡驱动，现在需要换成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

主机回来以及，简单的环境配置(RTX3070+CUDA11.1+CUDNN+TensorRT)-LMLPHP

保存后，然后执行：

sudo updata-initramfs -u
sudo reboot

重启后，Ctrl+Alt+F1切换到tty界面，关闭lightdm(如果没有则不用管)：

sudo service lightdm stop

然后更新一下apt源以及看一下系统推荐的NVIDIA驱动版本：

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

根据推荐的驱动版本，安装NVIDIA驱动：

sudo apt-get install nvidia-driver-460

如果嫌慢，可以添加阿里或者清华源：

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

备份之后打开文件，添加以下源即可：

# 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

别忘了添加之后，进行更新二连：

sudo apt-get update
sudo apt-get upgrade

这样就可以顺利的安装NVIDIA驱动了。

然后下载好以下三个深度学习伴侣：

主机回来以及，简单的环境配置(RTX3070+CUDA11.1+CUDNN+TensorRT)-LMLPHP

开始安装吧！

安装Cuda、Cudnn

Cuda当然是必须要装的。

找到下载好的11.1cuda环境包(现在出来11.2了)，然后执行：

sudo sh cuda_11.1.0_455.23.05_linux.run

会出来一堆blabla的选项：

  • 1、确保你环境里头是否有旧的cuda，有的话建议删除
  • 2、同意条款..
  • 3、确认是否要安装驱动、安装demo...以及安装位置确定
  • 4、开始安装ing

对于老潘来说，上一步中已经安装了cuda驱动，不需要再装旧版的(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，其他的安装按照我的需求按部就班来就好。

主机回来以及，简单的环境配置(RTX3070+CUDA11.1+CUDNN+TensorRT)-LMLPHP

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

不论咋样安装好之后会显示：

主机回来以及，简单的环境配置(RTX3070+CUDA11.1+CUDNN+TensorRT)-LMLPHP

按照上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
添加到打开的文件中

(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的安装就比较简单了，解决压缩包然后复制粘贴就行：

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

安装Anaconda

安装Anaconda也很简单，从这里下载好(不想下的看老潘整理文末的软件包)：

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

安装好之后，配置conda以及pip清华源，参考以下文字即可：

安装Pytorch

安装Pytorch就比较简单了，如果不想自己编译，直接从官方按照你的Cuda版本和Cudnn版本安装即可：

https://download.pytorch.org/whl/torch_stable.html

安装好Pytorch之后，测试一下cuda是否工作正常：

>>> 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单独发一篇文章来说吧~

一些资源

配环境需要很多软件包，例如：

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

有些可以在清华大学开源软件镜像站下载，但是TensorRT和CUDA、CUDNN需要从官方下而且需要注册而且很慢。

老潘整理了一些已经下载好的软件包。

公众号内回复015获取，可以看看有没有你需要的：

主机回来以及，简单的环境配置(RTX3070+CUDA11.1+CUDNN+TensorRT)-LMLPHP

想写的还有很多，下篇再讲(呼呼)。

如果有问题欢迎留言，欢迎关注「oldpan博客」公众号，老潘的全部家当都在这里了。很愿意与你交朋友~

参考

https://www.cnblogs.com/masbay/p/10745170.html
https://blog.csdn.net/ZPeng_CSDN/article/details/96726436

撩我吧

  • 如果你与我志同道合于此，老潘很愿意与你交流；
  • 如果你喜欢老潘的内容，欢迎关注和支持。
  • 如果你喜欢我的文章，希望点赞👍 收藏 📁 评论 💬 三连一下~

想知道老潘是如何学习踩坑的，想与我交流问题~请关注公众号「oldpan博客」。
老潘也会整理一些自己的私藏，希望能帮助到大家，点击神秘传送门获取。

03-08 03:19
Powered by LMLPHP ©2024 老潘博客 0.086040