Debian上PyTorch的GPU加速如何设置 - 问答

在Debian系统上为PyTorch设置GPU加速，你需要确保你的系统满足以下条件：

一台配备了NVIDIA GPU的计算机。
已安装NVIDIA显卡驱动。
CUDA Toolkit已安装。
cuDNN库已安装。
PyTorch已安装，并且是为CUDA版本编译的。

以下是设置步骤：

步骤 1: 安装NVIDIA显卡驱动

首先，你需要确保你的NVIDIA显卡驱动已经安装。你可以使用以下命令来安装最新的驱动程序：

sudo apt update
sudo apt install nvidia-driver-<version>

将<version>替换为适合你显卡型号的驱动版本号。安装完成后，重启计算机。

步骤 2: 安装CUDA Toolkit

访问NVIDIA的CUDA Toolkit下载页面（https://developer.nvidia.com/cuda-downloads），选择适合Debian的版本并按照说明进行安装。通常，你可以使用以下命令来安装CUDA Toolkit：

wget https://developer.download.nvidia.com/compute/cuda/repos/debian2004/x86_64/cuda-debian2004.pin
sudo mv cuda-debian2004.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/11.4.2/local_installers/cuda-repo-debian2004-11-4-local_11.4.2-1_amd64.deb
sudo dpkg -i cuda-repo-debian2004-11-4-local_11.4.2-1_amd64.deb
sudo apt-key add /var/cuda-repo-debian2004-11-4-local/7fa2af80.pub
sudo apt update
sudo apt install cuda

请注意，上面的链接是针对CUDA 11.4.2版本的，你应该根据你的需要选择合适的版本。

步骤 3: 安装cuDNN库

cuDNN是NVIDIA的深度学习库，它提供了许多优化的GPU加速原语。你需要先注册一个NVIDIA开发者账户，然后下载适合你CUDA版本的cuDNN库。下载完成后，解压并将文件复制到CUDA目录中：

tar -xzvf cudnn-11.4-linux-x64-v8.2.2.26.tgz
sudo cp cuda/include/cudnn*.h /usr/local/cuda/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

请确保将文件名中的版本号替换为你下载的cuDNN版本。

步骤 4: 安装PyTorch

你可以使用pip来安装PyTorch。访问PyTorch官方网站（https://pytorch.org/get-started/locally/），选择适合你的操作系统、包管理器、Python版本和CUDA版本的命令。例如，如果你想安装支持CUDA 11.4的PyTorch，可以使用以下命令：

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu114

步骤 5: 验证安装

安装完成后，你可以通过运行以下命令来验证PyTorch是否能够检测到GPU：

import torch
print(torch.cuda.is_available())

如果输出为True，则表示PyTorch已经成功配置了GPU加速。

请注意，上述步骤可能会随着CUDA、cuDNN和PyTorch版本的更新而变化。始终建议查看官方文档以获取最新信息。

亿速云「云服务器」，即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘，价格低至29元/月。点击查看>>

0 赞

0 踩