华为云GPU服务器深度学习环境搭建
- Author:ZERO-A-ONE
- Date:2021-02-26
想了想还是给华为云做一个环境搭建的文档吧,因为某些私人问题
下面是本人购买的服务器的配置,选择的是按需付费:
机型:
CPU:Intel SkyLake 6151 3.0GHz / Intel Cascade Lake 6278 2.6GHz * 8vCPUs
RAM:32GB
GPU:NVIDIA T4 * 1 * 16G
OS:Ubuntu 16.04 Server LTS
这里的情况是华为云的镜像已经把驱动给我们安装好了,直接就可以看到GPU驱动
root@gpu:~# nvidia-smi
Fri Feb 26 17:36:18 2021
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 418.67 Driver Version: 418.67 CUDA Version: 10.1 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 Tesla T4 Off | 00000000:21:01.0 Off | 0 |
| N/A 55C P0 30W / 70W | 0MiB / 15079MiB | 0% Default |
+-------------------------------+----------------------+----------------------++-----------------------------------------------------------------------------+
| Processes: GPU Memory |
| GPU PID Type Process name Usage |
|=============================================================================|
| No running processes found |
+-----------------------------------------------------------------------------+
其它的情况和之前安装华为云的时候差不多,但是华为云默认的用户是root用户
先安装一些必备的库
$ sudo apt-get install python3 python3-pip python3-dev git libssl-dev libffi-dev build-essential
然后从官网里面下载Anaconda的安装脚本
$ wget https://repo.anaconda.com/archive/Anaconda3-2020.11-Linux-x86_64.sh
然后给脚本赋予执行权限
$ chmod +x Anaconda3-2020.11-Linux-x86_64.sh
然后运行安装脚本即可
$ ./Anaconda3-2020.11-Linux-x86_64.sh
就是在安装完之后记得执行一下,才能在命令行里面执行conda
指令
$ source ~/.bashrc
先执行这条指令进入Anaconda环境中
$ source activate
执行第一条指令就可以进入虚拟环境中
$ conda activate pytorch3.8-gpu
然后进行安装环境
$ conda install pytorch torchvision cudatoolkit=10.1 -c pytorch
进行测试
(pytorch3.8-gpu) root@gpu:~# python
Python 3.8.8 (default, Feb 24 2021, 21:46:12)
[GCC 7.3.0] :: Anaconda, Inc. on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> torch.cuda.is_available()
True
>>>
华为云GPU服务器深度学习环境搭建相关推荐
- 腾讯云GPU服务器深度学习环境搭建
Author:ZERO-A-ONE Date:2021-2-20 因为本人的电脑没有带有NVIDIA公司的独立显卡,所以需要用到GPU进行大规模运算加速训练的时候,就萌生了购买云服务进行计算的念头 ...
- 阿里云GPU服务器安装深度学习环境
首先安装显卡驱动: 参考: https://blog.csdn.net/weixin_43738628/article/details/105516038 1.官方选择驱动版本:https://www ...
- 《服务器(CentOS7.7)深度学习环境搭建、配置及使用》之一:服务器情况简介
Author kangzhiheng E-mail kangzhiheng@sjtu.edu.cn 本文链接 Github:https://github.com/kangzhiheng/GitLoca ...
- 保姆级教程——Ubuntu16.04 Server下深度学习环境搭建:安装CUDA8.0,cuDNN6.0,Bazel0.5.4,源码编译安装TensorFlow1.4.0(GPU版)...
写在前面 本文叙述了在Ubuntu16.04 Server下安装CUDA8.0,cuDNN6.0以及源码编译安装TensorFlow1.4.0(GPU版)的亲身经历,包括遇到的问题及解决办法,也有一些 ...
- Miniconda3+PyTorch1.7.1(GPU版)+Win10_x64+GTX1060深度学习环境搭建
写在这里的初衷,一是备忘,二是希望得到高人指点,三是希望能遇到志同道合的朋友. 硬件信息: 系统:win10家庭中文版 CPU:i7-7700HQ 内存:16GB 显卡:GTX1060 目录 一.确定 ...
- linux系统下深度学习环境搭建和使用
作为一个AI工程师,对Linux的一些技能的掌握也能从一定层面反应工程师的资深水平. 要求1:基于SSH的远程访问(本篇文章) 能用一台笔记本电脑,远程登陆一台linux服务器 能随时使用笔记本电脑启 ...
- ubuntu22从双系统开始到深度学习环境搭建+必备软件安装
ubuntu从双系统开始到深度学习环境搭建及生活软件安装大合集!!! (一)本机环境 (二)双系统安装 1.前期了解 1.1.查看[BIOS](https://so.csdn.net/so/searc ...
- 深度学习环境搭建之SFA3D目标检测
一.前言 由于公司项目支撑,近期需要做雷达图像的目标检测后融合.本篇博客详细介绍深度学习环境搭建,并跑通SFA3D.由于本机第一次搭建环境,这里先全部手动搭建,实际上在用Ananconda创建 ...
- 华为云GPU服务器使用PaddleClas和PaddleServing训练、部署车辆类型分类模型服务
0 前言 以下针对最近使用PaddleClas和PaddleServing在华为云GPU服务器上训练和部署一个车辆类型识别模型过程进行记录,以供日后自己参考和其他有需要的朋友一些帮助,接触这方面东西时 ...
最新文章
- Halcon与QT的联合编程(2)
- QT的QContiguousCache类的使用
- Java两则故障分析和常见连接超时时间
- 基于WSAAsyncSelect模型实现的聊天室图形客户端
- k8s pod里访问不到外部ip_K8S容器网络如何实现通信?
- Eclipse Console 加大显示的行数,禁止弹出
- 用代码来理解 C#委托与事件
- 清吧音响怎么选?看看这个黄金搭配,跟着买就对了
- m4s格式转换mp3_音频格式转换器哪个好,推荐几款免费的mp3格式转换器
- 【Direct3D】纹理过滤
- “天中三少”辛东方:量子动力能传送人到另一个星球?
- 卡内基梅隆大学机器人研究所课程分享
- 齐齐哈尔计算机应用软件学校,齐齐哈尔职业学院计算机应用技术专业介绍
- 自己动手实现简易光线追踪算法
- leetcode——第714题——可以买卖多次股票(每次有手续费)
- uniapp开发h5微信授权登录(详细教程)
- Python分析照片详细拍摄地点源代码(可详细到具体酒店)
- 贯通tomcat --- 电子书
- 2020年G1工业锅炉司炉考试总结及G1工业锅炉司炉试题及答案
- 前端开发:JS中join()方法的使用总结