阅读量:3
- 目录
- 一、服务器显卡驱动更新
- 1、查看原有的显卡驱动和CUDA信息（做备份记录）
- 2、删除原本服务器上的nvidia驱动程序
- 3、重新安装nvidia驱动程序
- 二、CUDA更新
- 1、官网查找cuda对应的版本：CUDA Toolkit Archive | NVIDIA Developer
- 2、复制红框两行代码到服务器，进行CUDA下载
- 3、配置环境变量
- 三、安装cudnn
- 1、官网下载cudnn
- 2、下载tar.xz包后放在服务器目录下，使用tar命令对tar.xz进行解压：
- 3、将解压后的头文件和库复制到cuda目录中：
- 4、cuDNN安装完成，查看安装的版本：
一、服务器显卡驱动更新
1、查看原有的显卡驱动和CUDA信息（做备份记录）
nvidia-smi -a备注：
nvidia-smi：GPU驱动版本，driverAPI（支持的最高cuda版本）
watch -n 1 nvidia-smi：动态监控显卡状态
nvcc -V：cuda版本，timeAPI（运行时API）
2、删除原本服务器上的nvidia驱动程序
① 清除所有nvidia相关文件和依赖
yum remove nvidia-*② 进一步清除（把nvidia-driver的相关组件都清理掉）
rpm -qa|grep -i nvid|sort yum remove kmod-nvidia-*③ 清除cuda
yum remove "*nvidia*" yum remove "*cublas*" "cuda*"④ 卸除驱动重启
sudo reboot⑤ 输入nvidai-smi，报错的话就是卸载成功了。
3、重新安装nvidia驱动程序
① 在nvidia官网找到显卡对应的驱动程序，下载后复制到服务器上。可以自定义放在这个目录：/root/Downloads/（自定义即可）
nvidia官网驱动下载：官方驱动 | NVIDIA
② cd到这个驱动文件的目录，然后运行这个驱动文件
cd /root/Downloads/ sh NVIDIA-Linux-x86_64-470.57.02.run备注：在安装过程中可能会显示一个问题
选择NO继续。如果出现警告可以不用理会，直接继续，直到安装完成。
③ 安装完成后，输入nvidai-smi，显示如下，则安装成功。
二、CUDA更新
1、官网查找cuda对应的版本：CUDA Toolkit Archive | NVIDIA Developer
2、复制红框两行代码到服务器，进行CUDA下载
安装过程中，会问你是否需要下载驱动（Drive），正常情况下请不要下载，即选择否。即取消第一个Drive的[X]，改为[ ]（使用回车键取消选择），然后选“Install”开始安装下载。（默认安装目录是/usr/local/）
安装后会出现：
3、配置环境变量
① 打开编辑~/.bashrc文件：vim ~/.bashrc
② 在文件末尾添加如下两行(应该是有很多种添加方式，这里选用了其中一种)。PS, 要将cuda版本11.7替换成你安装的版本，如cuda-12.2。
export PATH=/usr/local/cuda-11.7/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}③ 刷新~/.bashrc配置文件，使得配置生效：source ~/.bashrc
④ 测试、查询nvcc版本检查是否安装成功：nvcc -V
三、安装cudnn
1、官网下载cudnn
下载地址：https://developer.nvidia.com/rdp/cudnn-archive
备注：需要挂梯子，然后登录/注册英伟达的账号，进行邮箱验证。
2、下载tar.xz包后放在服务器目录下，使用tar命令对tar.xz进行解压：
tar -xvf cudnn-linux-x86_64-8.8.1.3_cuda11-archive.tar.xz3、将解压后的头文件和库复制到cuda目录中：
注意看cuda目录是不是正确,可能是cuda-11.7
cd cudnn-linux-x86_64-8.9.7.29_cuda11-archive sudo cp include/cudnn* /usr/local/cuda/include sudo cp lib/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn* /usr/local/cuda/lib64/libcudnn*4、cuDNN安装完成，查看安装的版本：
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
~~~~~~~~~~~~~~~~~ 到这里搞定完啦 ~~~~~~~~~~~~~~~~~~~~
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
↓↓↓↓↓ 以下是深度学习跑代码需要重新更新环境的步骤哦 ↓↓↓↓↓
四、为深度学习模型训练配置新环境、新版本的pytorch
1、用anaconda新建一个环境：
conda create -n env_name python=3.9.7 2、激活这个新的环境：
conda activate env_name 3、下载pytorch：
pip install torch==2.0.0+cu117 torchvision==0.15.1+cu117 -f https://download.pytorch.org/whl/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple【备注官方pytorch的下载地址】
【备注一些anaconda的操作说明】：
查看安装了哪些包：conda list
查看有哪些虚拟环境：conda env list, conda info -e
创建虚拟环境：conda create -n env_name python=3.9.7 （env_name，改成自己的）
激活/切换虚拟环境：activate env_name （env_name，改成自己的）
删除虚拟环境：conda remove -n env_name （env_name，改成自己的）
