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 ...

华为云GPU服务器深度学习环境搭建

华为云GPU服务器深度学习环境搭建相关推荐

最新文章

热门文章