Pytorch GPU @ Ubuntu 18.04 安裝教學

-

Pytorch GPU @ Ubuntu 18.04 安裝教學

本文理論上也適用於Ubuntu 16.04 17.04 17.10

安裝driver

  • 按Ctrl+T開啟指令視窗，輸入
  sudo ubuntu-drivers autoinstall
  • 預設是裝nvidia-390 driver

安裝cuda

至下載頁面下載cuda9.1/9.0： 


下載後，在Terminal切換到下載資料夾
cd ~/Downloads
chmod 755 cuda_9.1.85_387.26_linux.run
sudo ./cuda_9.1.85_387.26_linux.run --override

像這樣
接下來你可參考我的方式安裝


安裝cudnn

這邊的話，你必須註冊Nvidia developer帳號並登入才能下載
註冊完email認證後，回到下載頁面你會看到如下選單
這邊我們選用cudnn 7 for CUDA 9.1

點進去選對應你作業系統的檔案來抓，這邊選cudnn for Linux

cudnn是一個壓縮檔，沒有安裝程式，下載後，請依照如下步驟安裝：
  1. 將下載的cudnn的zip檔解壓縮
  2. 找到cuda安裝路徑，長得像是
  /usr/local/cuda
  or 
  /usr/local/cuda-9.1
  1. 把解壓縮的檔案丟進去
  cd /usr/local/cuda
  sudo cp -r ~/Downloads/cuda/* ./

環境變數設置

在.bashrc中新增cuda環境變數
使用指令開啟文字編輯器
gedit ~/.bacshrc
or
nano ~/.bashrc
在文件末端新增
export PATH="$PATH:/usr/local/cuda/bin"
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64"
存檔後退出

Python環境架設


如果你不喜歡容量很肥的Anaconda，也可以使用精簡版的Miniconda，安裝步驟差不多

  1. 下載.sh檔
 chmod 755 Miniconda3-latest-Linux-x86_64.sh
 ./Miniconda3-latest-Linux-x86_64.sh
  1. 接受使用者條款&選路徑
3.選擇是否把PATH加到.bashrc裡面，這邊選yes  (可自行斟酌，接下來步驟是假設你這邊選yes)

裝完後測試方式：
  1. Ctrl+T叫出Terminal
which python
which conda
which pip
確定上面這三個指令回傳路徑是你剛剛裝的路徑：
  1. 直接輸入
python
這邊正常來說會Show出他是Anaconda的Python而不是系統內建的Python：
如果上面測試沒有正確show出，嘗試以下指令
source ~/.bashrc
或者重開Terminal再試試

PyTorch安裝

安裝步驟比想像中簡單
到Pytorch官網，選擇你的OS和版本，他會告訴你安裝指令是甚麼，我們這邊是：
conda install pytorch torchvision cuda91 -c pytorch

簡單測試

在命令列(PowerShell/cmd)中輸入 python進入python指令列，輸入

  • import torch
  • torch.cuda.is_available()

若為True則有正確載入


下一篇講解要怎麼把這台電腦用的更像工作站



Comments

Post a Comment

Popular posts from this blog

Tensorflow GPU x Windows 10 個人開發環境+多人遠端工作站 架設指南

-
Image
Tensorflow GPU Windows 10 個人開發環境及多人遠端工作站 架設指南 雖然Deep Learning開發的主流作業系統是Ubuntu 但對於非資工本科的開發人員，Win10無疑是更好的選擇 本文將介紹Win10作業系統下Tensorflow-gpu的環境建置 適用於個人電腦安裝 以及如何設置成可供多人使用的小型工作站(適用於學校LAB) 內容包含五個區塊： GPU環境架設 Python環境架設-Anaconda/Miniconda安裝 Tensorflow及相關套件安裝 PyCharm安裝 Windows 10多人遠端桌面設定 GPU環境架設 首先你要先有一張nvidia的顯示卡，建議至少1060 6G以上，最低1050 4G 安裝driver  到 nvidia官方網站 下載gpu driver並安裝 選擇GPU型號、作業系統 下載後執行並開始安裝 安裝介面示意圖，基本上一路按下去就裝完了 (圖片來自網路) 安裝cuda 至下載頁面下載cuda： 下載cuda 8.0  (對應cudnn 6 / tensorflow 1.3&1.4) 下載cuda 9.0  (對應cudnn 7 / tensorflow 1.5) 下載cuda 9.1  (對應cudnn 7 / tensorflow 1.?) 註：若跑tensorflow 1.3/1.4的code建議裝cuda 8.0 如果要使用最新的tensorflow 1.5，則下載cuda 9.0 ※官方release的tensorflow 1.5目前是吃9.0，不是9.1 選擇好你的作業系統後開始下載 一樣一路按下去就裝完了 (圖片來自網路) 安裝cudnn 先前往 cudnn 下載頁面 這邊的話，你必須註冊Nvidia developer帳號並登入才能下載 登入Nvidia developer，或是按Join註冊一個新帳號 註：與其說是註冊帳號，不如說是做Nvidia的問卷調查XD  就照實填就好，看不懂亂填也沒關係 註冊完email認證後，回到下載頁面你會看到如下選單： 你是裝cuda-8.0的話，選cuda-8.0和cudnn-6.0的組合 同理，cuda-9.0
Read more

用Linux挖以太(2)-RX580刷BIOS省電超頻 30-31MH/s @ 96W TDP

-
Image
本篇教學Windows用戶也適用 若你目標是使用Linux來挖礦，建議安裝雙系統， 方便 調整和測試 系統規格: Linux環境 系統: ubuntu 16.04 server 顯示卡: MSI RX580 8G Armor 顯示驅動: 17.40 Windows環境 系統: Windows 10 1709 顯示卡: MSI RX580 8G Armor 顯示驅動: 17.12.2 超頻軟體: Sapphire TRIXX 成果 上篇中調整虛擬記憶體大小後，跑到了 24.5MH/s 本篇刷BIOS後可達31MH/s(三星顆粒) 30MH/s(海力士顆粒) @ 96W TDP 說明 透過安裝正確的驅動及系統設定，即可一定程度優化挖礦效率。然而，要進一步提升效率，得使用超頻程式，或修改顯示卡的內部設定檔，做進一步優化。 但是linux並沒有超頻程式可用，因此只能透過改BIOS來超頻。除了改BIOS的記憶體時序(Timing)外，也要把記憶體時脈(Core Clock)、核心時脈(Memory Clock)、電壓(Core Voltage)、功耗(TDP)等設定一併寫入BIOS中 注意!! 修改BIOS或超頻本身具有一定風險，可能導致你的板子壽命縮短，甚至損毀。縱使近年晶片防護措施已趨完善，沒有那麼容易被超爆，但還是請小心使用。 刷BIOS可能會破壞保固，讓製造商拒保，請先查詢您製造商所提供之保固條款，了解其風險後，再決定要不要刷BIOS來超頻。 步驟 須先安裝好雙windows+ubuntu雙系統 (如果你只要在Windows挖就跳過此步驟) 可參考先前的Linux設定教學 用RX580在Linux下挖礦-上篇-系統設定(Ubuntu 16.04 Server)   從 國外論壇 下載時序優化過的ROM(BIOS設定檔)來用： 我是用 MSI RX 580 8GB ARMOR這張卡，在這個頁面找到改好的ROM檔 https://anorak.tech/t/msi-rx-580-armor/5395 我是抓 Anoraks_MSI RX 580 8GB ARMOR Hynix Samsung_memshift-1750.rom 註：不同卡的ROM不能直接混
Read more

PyTorch x Windows x GPU 安裝說明

-
Image
若你是要安裝CPU版，請跳過前面，至Python環境架設章節  安裝driver  到 nvidia官方網站 下載gpu driver並安裝 選擇GPU型號、作業系統 下載後執行並開始安裝 安裝介面示意圖，基本上一路按下去就裝完了 (圖片來自網路) 安裝cuda 至下載頁面下載cuda： 下載cuda 9.0  (對應cudnn 7) 選擇好你的作業系統後開始下載 一樣一路按下去就裝完了 (圖片來自網路) 安裝cudnn 先前往 cudnn 下載頁面 這邊的話，你必須註冊Nvidia developer帳號並登入才能下載 登入Nvidia developer，或是按Join註冊一個新帳號 註：與其說是註冊帳號，不如說是做Nvidia的問卷調查XD  就照實填就好，看不懂亂填也沒關係 註冊完email認證後，回到下載頁面你會看到如下選單： 選cuda-9.0和cudnn-7.0.5的組合 點進去選對應你作業系統的檔案來抓 cudnn沒有安裝程式，下載後，請依照如下步驟安裝： 將下載的cudnn的zip檔解壓縮 找到cuda安裝路徑，長得像是： C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0 把解壓縮得到的檔案丟進去 Python環境架設 如果你不喜歡容量很肥的Anaconda，也可以使用精簡版的Miniconda 下載Anaconda   (包含許多Data Science常用的套件，在個人電腦使用建議用這個) 下載Miniconda   (乾淨的精簡版，但你會需要手動安裝許多相關套件) 若你電腦從未安裝過Python，建議照以下方式安裝 註：如果你是照著本篇的步驟一步一步做，建議抓Anaconda，以免套件東缺西少。 (示範圖片是Miniconda，但步驟相同) 選Just Me 兩個都勾 剩下一路點到完 裝完後測試方式： 對左下角Windows圖示點右鍵叫出選單，開啟PowerShell(用cmd也可以) 分別輸入Get-Command python 、 Get-Command conda 、 Get-Command pip 查看python, c
Read more