择驱动1.3

查询网址https://admin.pci-ids.ucw.cz/mods/PC/10de?actionhelp?helppci

输入后点击Jump查询

英伟达驱动下载https://www.nvidia.cn/Download/Find.aspx?langcnQNF1

根据需求输入显卡型号、操作系统和语言选择相应的驱动版本我选择550.78这个版本。

1.3

复制下载链接https://cn.download.nvidia.cn/XFree86/Linux-x86_64/550.78/NVIDIA-Linux-x86_64-550.78.run

并使用wget在命令行下载

https://cn.download.nvidia.cn/XFree86/Linux-x86_64/550.78/NVIDIA-Linux-x86_64-550.78.run1.4

ll1.5

/etc/modprobe.d/blacklist.conf在文件尾增加两行

blacklist

NVIDIA-Linux-x86_64-550.78.run#

执行安装命令

./NVIDIA-Linux-x86_64-550.78.run1.12

nvidia-smi大功告成~

12版本。

可根据自己显卡版本选择合适的CUDA版本查询链接https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

2.2

下载页面链接https://developer.nvidia.com/cuda-toolkit-archive

使用命令下载文件

https://developer.download.nvidia.com/compute/cuda/12.1.0/local_installers/cuda_12.1.0_530.30.02_linux.run#

使用命令查看文件下载

cuda_12.1.0_530.30.02_linux.run稍等一会会出现如下界面输入accept即可安装

接着会出现如下界面

需要注意的是上述过程我们已在步骤1安装显卡驱动已无需再装可通过键盘选择取消驱动的安装。

2.4

PATH/usr/local/cuda-12.1/bin:$PATH

export

LD_LIBRARY_PATH/usr/local/cuda-12.1/lib64:$LD_LIBRARY_PATH更新环境变量

source

链接https://pytorch.org/get-started/previous-versions/

由于CUDA安装的版本是12.1所以可以用Pytorch的v2.2.0版本

3.2

https://download.pytorch.org/whl/cu121四、关于安装cuDNN这个坑以后再补

cuDNN是一个基于CUDA的深度学习GPU加速库可以提高深度学习模型在GPU上的训练速度。

cuDNN不是必须安装的但是一般会采用这个加速库。

部分深度学习框架如PyTorch会自带预先编译的cuDNN无需手动安装。

后面我还需要安装Pytorch所以cuDNN就没安装需要安装的可以参考下面信息但是不完整。

版本查看页面https://developer.nvidia.com/cudnn-downloads

下载CUDA

12对应的cuDNN版本这里我们选择8.9.0版本。

点击该版本显示如下我们选择红框圈中的版本。