漳州商城网站建设,网站建站建设工作总结,蚌埠网站关键词优化,可以做砍价活动的网站一、创建并进入容器
#xff08;平台使用教学详细#xff0c;这部分略写#xff09; 登上服务器后#xff0c;打开终端输入如下进入自己建的容器
ssh -p XXXXX root10.XXX.XXX.XXX //按自己的宿主机端口写二、安装Conda#xff08;miniconda3#xff09;
#xff08…一、创建并进入容器
平台使用教学详细这部分略写 登上服务器后打开终端输入如下进入自己建的容器
ssh -p XXXXX root10.XXX.XXX.XXX //按自己的宿主机端口写二、安装Condaminiconda3
平台使用教学详细这部分略写
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
chmod x Miniconda3-latest-Linux-x86_64.sh
./Miniconda3-latest-Linux-x86_64.sh进入和退出conda的base环境
三、安装Jupyter
平台使用教学详细这部分略写
jupyter notebook --no-browser --port80 --ip0.0.0.0 --allow-root在browser中直接输入容器端口这里是80对应的宿主机端口enter即可打开Jupyter。
之前在本地配置的时候参考的是这个博客https://blog.csdn.net/qq_42971035/article/details/118547151写得很好实践挺成功但没有使用教学给的这个流程简洁。
四、安装CUDA
输入以下命令查看服务器的gpu情况确定对应的CUDA版本
nvidia-smi结果如下驱动是450CUDA是11.0 一定要看清楚不要搞错啦我第一次配环境的时候下的是12.1发现错了后试了网上的各种博客都删不掉万念俱灰BUSHI遂偷懒重新建了一个新的容器嘿嘿
插个话题曾有一次输入这个命令后报错了报错信息为
Failed to initialize NVML: Driver/library version mismatch找了各种解决方法最后发现“关闭容器然后再打开”就好了哈哈哈哈就很玄学 进入官网找到CUDA Toolkit 11.0 Download 按照步骤走即可这里没有踩雷需要注意的是要有点耐心一句一句复制运行时间比较长。 下载完成后添加路径
vi ~/.bashrc 其实可以先到各个路径底下看看看看nvcc在哪里有利于理解这些代码的含义万一与博客有出入便于修改 在最底端加上 export CUDA_HOME/usr/local/cuda-11.0export LD_LIBRARY_PATH${CUDA_HOME}/lib64export PATH${CUDA_HOME}/bin:${PATH}更新
source ~/.bashrc测试一下会显示cuda的版本号
nvcc -V五、安装cudnn
暂时还没有装
六、安装pytorch
在小火苗Pytorch官网上ctrlf找到CUDA 11.0安装。
这里要检查自己python版本第一次没有查看版本直接用base中3.10的来运行会产生版本不匹配的报错。我的解决方案是不更改base里的配置而是新建了一个虚拟环境
conda create --name python37 python3.7
conda activate python37 在python37中打开python,测试是否安装成功参考博客
import torch # 如果pytorch安装成功即可导入
print(torch.cuda.is_available()) # 查看CUDA是否可用
print(torch.cuda.device_count()) # 查看可用的CUDA数量
print(torch.version.cuda) # 查看CUDA的版本号
七、废话箩筐
看着浏览器爆炸式增长的浏览记录感觉一路上踩了好多坑查了好多报错遇到了好多复杂的看不懂的问题感受到了莫大的痛苦。但真动手记录下来就会发现这些报错和解决方案都是一些小tips甚至写得时候会想这真的值得一提吗。或许用“一览众山小”来形容有些夸张但这个过程确实有点像费劲力气爬山再到登顶俯瞰大地的心路历程。由此引发了一些胡思乱想是爬山本身就是辛苦的“历经风雨才能见彩虹”还是要学会在爬任何山中发现乐趣还是要选择一座风景秀丽充满趣味的山去爬。
