#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

Anaconda3-2023.03-1-Linux-x86_64.sh。

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

这次试着创建一个名为“pytorch2”新的python环境Python3.10

conda

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。

下载地址https://download.pytorch.org/whl/torch_stable.html

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

torch-2.0.0cu117-cp310-cp310-linux_x86_64.whl

pip

torchvision-0.15.1cu117-cp310-cp310-linux_x86_64.whl

pip

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

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。

安装VS

官网下载https://code.visualstudio.com/Download

下载完deb文件后终端输入sudo

code_1.77.3-1681292746_amd64.deb安装。

安装完后打开VS

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。

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。