Ubuntu PyTorch如何配置CUDA

在Ubuntu上配置PyTorch以使用CUDA可以顯著提高深度學習任務的性能。以下是詳細的步驟指南：

1. 安裝前的準備工作

• 更新系統：

  sudo apt update
  sudo apt upgrade
  

• 安裝NVIDIA顯卡驅動： 確保你的顯卡支持CUDA，并安裝相應的驅動程序?？梢酝ㄟ^以下命令安裝：

  sudo apt install nvidia-driver-xxx
  

  其中xxx是你的顯卡支持的驅動版本。

• 檢查CUDA版本： 使用以下命令來檢查CUDA版本：

  nvcc --version
  

• 安裝必要的依賴：

  sudo apt install build-essential cmake git pkg-config libgtk-3-dev libavcodec-dev libavformat-dev libswscale-dev python3-dev python3-numpy libtbb2 libtbb-dev libdc1394-22-dev
  

2. 安裝CUDA Toolkit

• 訪問NVIDIA CUDA Toolkit下載頁面，根據你的顯卡型號和系統選擇合適的CUDA版本進行下載。

• 例如，對于Ubuntu 20.04，你可以下載CUDA 11.7：

  wget https://developer.download.nvidia.com/compute/cuda/11.7.1/local_installers/cuda-repo-ubuntu2004-11-7-local_11.7.1-450.51.06-1_amd64.deb
  sudo dpkg -i cuda-repo-ubuntu2004-11-7-local_11.7.1-450.51.06-1_amd64.deb
  sudo apt-key add /var/cuda-repo-ubuntu2004-11-7-local/7fa2af80.pub
  sudo apt update
  sudo apt install cuda-toolkit-11.7
  

3. 安裝cuDNN

• 訪問NVIDIA cuDNN下載頁面，下載與你的CUDA版本兼容的cuDNN庫。

• 例如，對于CUDA 11.7，你可以下載cuDNN 8.9.7：

  wget https://developer.download.nvidia.com/compute/redist/cudnn/v8.9.7/local_installers/cudnn-ubuntu2004-v8.9.7-450.51.06-1+cudnn8.9.7-1_amd64.deb
  sudo dpkg -i cudnn-ubuntu2004-v8.9.7-450.51.06-1+cudnn8.9.7-1_amd64.deb
  sudo cp /var/cuda-repo-ubuntu2004-11-7-local/cuda-*-keyring.gpg /usr/share/keyrings/
  sudo apt update
  sudo apt install cudnn
  

4. 安裝PyTorch

• 使用Conda安裝PyTorch（推薦）：

  • 下載并安裝Miniconda：

    wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
    bash Miniconda3-latest-Linux-x86_64.sh
    source ~/.bashrc
    

  • 創建并激活一個新的Conda環境：

    conda create -n pytorch_env python=3.8
    conda activate pytorch_env
    

  • 根據你的CUDA版本，使用以下命令安裝PyTorch：

    conda install pytorch torchvision torchaudio cudatoolkit=11.7 -c pytorch -c conda-forge
    

  • 或者，使用pip安裝PyTorch：

    pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117
    

• 驗證安裝： 打開Python解釋器并嘗試導入PyTorch：

  import torch
  print(torch.__version__)
  print(torch.cuda.is_available())
  

  如果torch.cuda.is_available()返回True，則表示PyTorch已成功安裝并可以使用GPU。