阅读量:3
在Ubuntu上配置PyTorch GPU加速，可按以下步骤进行：
- 安装NVIDIA驱动：添加NVIDIA PPA，更新软件包列表后安装适合GPU型号的驱动，如
sudo add-apt-repository ppa:graphics-drivers/ppa，sudo apt update，sudo apt install nvidia-driver-<版本号>，安装后重启电脑。 - 安装CUDA Toolkit：从NVIDIA官网下载对应Ubuntu版本的安装包，用
dpkg命令安装，如sudo dpkg -i cuda-repo-，安装后设置环境变量，在_ _amd64.deb ~/.bashrc中添加export PATH=/usr/local/cuda/bin:$PATH和export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH，并执行source ~/.bashrc。 - 安装cuDNN库：注册NVIDIA开发者账户，下载与CUDA版本兼容的cuDNN库，解压后将文件复制到CUDA目录，如
tar -xzvf cudnn-，-linux-x64-v*-*.tgz sudo cp cuda/include/cudnn*.h /usr/local/cuda/include/，sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/，并设置文件权限为可读。 - 安装PyTorch：使用pip或conda安装与CUDA版本兼容的PyTorch，如
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu<版本号>或conda install pytorch torchvision torchaudio cudatoolkit=<版本号> -c pytorch。 - 验证安装：在Python中运行
import torch，再执行print(torch.cuda.is_available())，若输出为True，则配置成功。
以上就是关于“Ubuntu如何配置PyTorch GPU加速”的相关介绍，筋斗云是国内较早的云主机应用的服务商，拥有10余年行业经验，提供丰富的云服务器、租用服务器等相关产品服务。云服务器资源弹性伸缩，主机vCPU、内存性能强悍、超高I/O速度、故障秒级恢复；电子化备案，提交快速，专业团队7×24小时服务支持！
简单好用、高性价比云服务器租用链接：https://www.jindouyun.cn/product/cvm