Ubuntu18.04+GTX1060(1660)+cuda10.1+cudnn7.6.5+pytorch1.7.1配置

为了跑YOLOv5配置环境走了很多弯路，现在将详细不走记录下来，供以后参考。

一、显卡驱动安装
参考了这位大佬的文章：【Python学习】Ubuntu18.04从零开始安装CUDA与cuDNN_YirongChen的博客-CSDN博客_cudnn 下载

但是具体的显卡驱动版本，最好根据下面流程确定：先确定cudnn版本、再确定cuda版本、再确定显卡驱动版本。cudnn、cuda、显卡驱动对应关系见（点某个版本的cudnn support matrix进去就会看见下面图1示的东西）：
Documentation Archives :: NVIDIA Deep Learning cuDNN Documentation

图1

其实：只要满足显卡驱动的版本大于等于cuda的版本基本上都可以，如显卡驱动为460.32.03，那么安装cuda11.2.2 update1之前的版本都可以。我装的显卡驱动为470.129，cuda版本为10.1。cuda是具有前向兼容能力的，详见官方文档：CUDA Compatibility :: NVIDIA Data Center GPU Driver Documentation

图2

二、系统cuda和cudnn配置
cuda10.1的包下载地址：CUDA Toolkit Archive | NVIDIA Developer。
cudnn7.6.5包下载地址：cuDNN Archive | NVIDIA Developer
安装方法参考这2位大佬：Ubuntu 20.04安装CUDA 11.0、cuDNN 8.0.5、PyTorch 1.7.0 - BooTurbo - 博客园
ubuntu18.04下载显卡驱动+CUDA+CUDNN_CashAp的博客-CSDN博客_ubuntu下载cudnn

三、深度学习环境搭建
1、下载anaconda3.5.0的.sh文件并安装（清华源下载），安完后打开终端用命令“conda activate”可能会让你用“source activate”进行激活，这个时候只需要在主目录按“Ctrl+h”显示出隐藏文件，打开.bashrc文件并在最后一行添加“source activate”保存退出就可以正常用conda的命令了。通过conda建立你需要的python版本的环境并激活。

2、安装pycharm并创建桌面快捷方式：

首先通过下面代码解压，

tar -zxvf pycharm-community-2021.3.2.tar.gz

然后进入pycharm的bin文件夹运行pycharm

sh /home/xxx/Downloads/pycharm-community-2021.3.2/bin/pycharm.sh

安步骤随便创建一个工程，在tools中找到Ctreate desktop entry，然后就可以在“全部应用”中找到pychram了。

3、接下来就可以开始装pytorch了。pytorch版本为1.7.1（注意：我在用清华源安装更高版本的pytorch时，会出现有些包找不到的情况，还会报冲突，因此我还是老实的安装了1.7.1版本；此处的cuda版本也就是对应命令中的“cudatoolkit=10.1”必须与步骤二中安装的版本一样）我用的命令是：

# CUDA 10.1
conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=10.1 -c pytorch

将最后那个pytorch删除，并更换为清华源，这样速度会快很多，具体可以参考这位大佬：pytorch安装-国内镜像源_still_learning的博客-CSDN博客_pytorch镜像源2

tips：其实，我觉得在配置系统cuda和cudnn之前，完全可以先用conda试一装以下pytorch，看看清华源里面有没有需要的依赖包，免得装好了系统的cuda和cudnn才发现清华源装不上与之匹配的pytorch依赖包。

2、还有一些其他需要的函数库可能版本不对，这时候就需要通过conda先将其uninstall，然后再用下面这个命令安装（以opencv为例）：

pip install -i http://pypi.doubanio.com/simple/ --trusted-host pypi.doubanio.com opencv-python==122222

(版本号是故意乱写的，这样终端会报错，并返回这个源中可安装的版本号，我就可以尽情挑选了)
注意：如果以上命令安装报冲突的错误，请先尝试更新pip版本；如果报一个网络的错误，可以尝试将“http”换为“https”。

四、最后就是根据YOLOv5的说明文档编译相应文件，然后就可以开始炼丹了。

后记：在配完1060显卡的环境后，又需要再新电脑上进行运行，显卡为1660，装的驱动为470.129。本以为应该用更高版本的cuda和cudnn，装完后进行pytorch配置时，才发现清华源里面没有相应的pytorch依赖包，然后，我又按照1060的cuda和cudnn版本来了一遍，结果居然好用，因此我觉得图1中对显卡驱动的要求“r418.39”指的应该是最低版本。

Ubuntu18.04+GTX1060(1660)+cuda10.1+cudnn7.6.5+pytorch1.7.1配置相关推荐

集众家之所长，手把手教你如何在Ubuntu18.04上安装CUDA10.0+CUDNN7.5+Torch7(非Pytorch)(保姆级教学)
弱小无力的目录前言零.动手前的准备 0.1 电脑配置 0.1.1 显卡(使用软件GPU-Z查看) 0.1.2 系统(cmd窗口输入`winver`) 0.2 参考文章(感谢各位大佬的分享┭┮﹏┭┮ ...
ubuntu18.04 | NVIDIA driver + CUDA-10.2 + cuDNN-7.6.5 + Pytorch + TensorFlow-gpu-2.1.0 + OpenCV-4.2.
一. NVIDIA显卡驱动参考: https://www.cnblogs.com/abelsu/p/10625616.html 1. 安装前准备 (1). 检查是否有卡一般购入电脑时就能有所了解, ...
爆肝推荐、血泪安装：2080ti显卡安装Ubuntu18.04+nvidia驱动+cuda10.0+cuDNN
爆肝推荐.血泪安装:2080ti显卡安装Ubuntu18.04+nvidia驱动+cuda10.0+cuDNN 记一次超过三周时间的"血泪"安装经历版本问题--写在最前,&quo ...
【点云语义分割】Ubuntu18.04+GTX1060 配置运行RangeNet++
课题涉及到点云语义分割,最近配置运行了RangeNet++,复现过程中,GPU加速工具配置较为头疼,所以做一个全面的记录,包括一些编译报错和踩坑的总结,与大家分享(纯小白) 本文代码Github地址: ...
ubuntu18.04+GTX2080 部署cuda10.2
台式机ubuntu18.04+GTX2080 部署cuda开发环境,是个理想的平台.部署不宜,遇到坑,且填且珍惜. 1.安装系统主流的都是u盘用ultrISO刻录好系统18.04的iso文件安装. ...
【半小时急速装机】联想拯救者(Y7000P)Win10 + Ubuntu18.04完整教程:CUDA10+Cudnn+Tensorflow2.0正式版
双系统安装教程 2019.12.28新发现: ubuntu18.04.4应该默认可以使用瑞昱的网卡了 ubuntu20.04 同样可以直接使用无线网卡联网 ubuntu 首次进入系统是无法使用网卡的, ...
【安装教程总结】ubuntu18.04+NVIDIA 940MX+CUDA9.0+cuDNN7.4.1+anaconda+tensorflow1.12 安装总结
0.安装前环境说明 ubuntu:LTS18.04.02 显卡型号:NVIDIA GeForce 940MX 1.安装NVIDIA 940MX显卡驱动390 安装之前,先进BIOS,把安全启动关了Se ...
ubuntu系统(八)：ubuntu18.04双系统安装+ros安装+各种软件安装+深度学习环境配置全家桶
0 说明 1.安装ubuntu18.04系统 1.1 ubuntu18.04镜像地址(可以用迅雷等下载): 1.2 下载Rufus: 1.3 制作镜像: 1.4 磁盘分区 1.5 关闭win11快速启 ...
Ubuntu18.04 安装NVIDIA显卡驱动、Anaconda、PyTorch1.7.1
Ubuntu18.04 安装NVIDIA驱动.Anaconda.pytorch1.71 目录 Ubuntu18.04 安装NVIDIA驱动.Anaconda.pytorch1.71 1. NVIDIA ...

Ubuntu18.04+GTX1060(1660)+cuda10.1+cudnn7.6.5+pytorch1.7.1配置

Ubuntu18.04+GTX1060(1660)+cuda10.1+cudnn7.6.5+pytorch1.7.1配置相关推荐

最新文章

热门文章