300字范文 > 安装Nvidia驱动并使用Anaconda搭建GPU环境（安装CUDA）+ PyTorch + TensorFlow + PyTorch Lightning

安装Nvidia驱动并使用Anaconda搭建GPU环境（安装CUDA）+ PyTorch + TensorFlow + PyTorch Lightning

时间：2019-10-13 14:29:05

前言：

准备在实验室的一个服务器上用GPU的，但是这个服务器好久没有人用了，cuda还是10.0版本，需要重装cuda，嫌麻烦，然后发现Nvidia官网居然有anaconda安装CUDA的教程，所以考虑使用anaconda来做。

我是在Linux上安装的，但是理论上Windows和Linux用anaconda的部分是没有什么区别的。

安装好Anaconda和驱动的朋友可以直接跳到安装cuda的部分。

目录：

安装Anaconda：

安装Nvidia驱动：

安装cuda：

有一块GPU

检查Linux

有gcc compiler and toolchain

conda安装

验证CUDA安装是否成功

安装PyTorch

验证GPU是否能用

选修：

安装PyTorch-Lightning

安装TensorFlow

如果你的Anaconda、CUDA、Nvidia驱动全都安装好了，可以直接复制下面命令。没有的话，或者不确定的、或者想了解一下的可以往下看看

conda create -n python3.9 python=3.9 -yconda activate python3.9conda install cuda -c nvidia/label/cuda-11.3.0 -c nvidia/label/cuda-11.3.1 -yconda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch -ypythonimport torchprint("cuda" if torch.cuda.is_available() else "cpu")

安装Anaconda：

这个教程太多啦，我就跳过了

安装之前还是建议新建一个虚拟环境，免得把base环境搞崩了，麻烦的要死。血和泪的教训啊！

安装Nvidia驱动：

我研究了半天为什么pytorch一直调用cuda失败，查了很多资料。我是万万没有想到，服务器上都有了cuda10.0了，居然还没有英伟达驱动。他们之前的人是没发现自己使用GPU失败了吗。。。

这个Windows上很简单啦，就自己解决一下

Linux上我是纯文本界面，参看的是这个：CentOS7服务器安装GPU显卡驱动和CUDA简单方法_Galaxy的博客-CSDN博客_centos安装gpu

不用手动编译什么的，还是挺简单的：

# 导入源rpm --import /RPM-GPG-KEY-rpm -Uvh /elrepo-release-7.0-3.el7.elrepo.noarch.rpmyum install nvidia-detectnvidia-detect# 我的是kmod-nvidia# 安装yum install $(nvidia-detect)# 重启reboot#验证nvidia-smi# 如下就是成功啦+-----------------------------------------------------------------------------+| NVIDIA-SMI 470.94 Driver Version: 470.94 CUDA Version: 11.4||-------------------------------+----------------------+----------------------+| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC || Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. || | |MIG M. ||===============================+======================+======================|| 0 NVIDIA GeForce ... Off | 00000000:02:00.0 Off | N/A || 34% 36C P87W / 257W |18MiB / 11016MiB |0%Default || | | N/A |+-------------------------------+----------------------+----------------------++-----------------------------------------------------------------------------+| Processes:|| GPU GI CI PID Type Process name GPU Memory || ID ID Usage||=============================================================================|| 0 N/A N/A1753G /usr/bin/X9MiB || 0 N/A N/A2329G /usr/bin/gnome-shell6MiB |+-----------------------------------------------------------------------------+

安装cuda：

详情可以看看英伟达的官网

具体步骤如下：

有一块GPU

lspci | grep -i nvidia

有输出基本上就ok啦，也可以去官网自己查一下自己的gpu支不支持。我的是一块2080Ti，就直接跳过了。

检查Linux

uname -m && cat /etc/*release

输出如下就ok

# 输出如下x86_64CentOS Linux release 7.9. (Core)NAME="CentOS Linux"VERSION="7 (Core)"ID="centos"ID_LIKE="rhel fedora"VERSION_ID="7"PRETTY_NAME="CentOS Linux 7 (Core)"ANSI_COLOR="0;31"CPE_NAME="cpe:/o:centos:centos:7"HOME_URL="/"BUG_REPORT_URL="/"CENTOS_MANTISBT_PROJECT="CentOS-7"CENTOS_MANTISBT_PROJECT_VERSION="7"REDHAT_SUPPORT_PRODUCT="centos"REDHAT_SUPPORT_PRODUCT_VERSION="7"CentOS Linux release 7.9. (Core)CentOS Linux release 7.9. (Core)

有gcc compiler and toolchain

gcc --version

输出如下就ok

没有的话（CentOS）：

yum install gcc gcc-c++ kernel-devel

conda安装

以下的步骤建议还是创建一个虚拟环境然后再来弄，免得搞崩base。

conda create -p /home/CV python=3.9 -yconda activate /home/CV

直接conda install就ok了，但是下载的很慢。根据我的经验，要是你是在Windows上的话建议用cmd来弄，我总感觉anaconda prompt下载时间长了总是会自己结束了。我是服务器上面的，直接挂着就是了。

conda install cuda -c nvidia

指定版本：

conda install cuda -c nvidia/label/cuda-11.3.0

conda install cuda -c nvidia/label/cuda-11.3.0 -c nvidia/label/cuda-11.3.1

上面两个都是安装11.3版本，截至.12.16，CUDA最新版本已经到了11.5了，但是我看PyTorch只有cudatoolkit 11.3的文件，所以保守起见我安装的是11.3。你也可以直接自己尝试一下11.5

验证CUDA安装是否成功

经过特别漫长的等待，测试一下安装是否成功

nvcc -V

我的输出如下：

nvcc: NVIDIA (R) Cuda compiler driverCopyright (c) - NVIDIA CorporationBuilt on Sun_Mar_21_19:15:46_PDT_Cuda compilation tools, release 11.3, V11.3.58Build cuda_11.3.r11.3/compiler.29745058_0

主要是看release后面是否正确啊，我安装的就是11.3版本。