文章目录
个人用总结:
常用命令
1.重启网络设置
sudo service network-manager restart
2.查看显卡驱动
sudo nvidia-smi
3.查看cuda
nvcc --version
4.配置环境变量,使用gedit ~/.bashrc指令打开文件
5.ubuntu中/usr目录下无法直接复制粘贴文件或目录
遇到问题:直接鼠标右键复制粘贴或ctrl+c ctrl+v不管用
利用终端窗口
sudo cp -r+“空格”+~/你要复制的文件的原目录/你要复制的文件+“空格”+/usr/目标目录
例如:
sudo cp -r /home/my/soft/cudnn-linux-x86_64-8.3.1.22_cuda10.2-archive/include/cudnn.h /usr/local/cuda-10.2/include
将cuda/include/cudnn.h文件复制到usr/local/cuda-10.1/include文件夹
6.重启系统
sudo reboot
7.清除终端内容
ctrl + L
8.新建终端
ctrl+alt+T
9.在同一终端下新建终端(前面的路径保持一致)
ctrl+shift+t
配置linux里 ubuntu环境下Tensorflow、Pytorch的安装以及基于Pycharm的使用
https://www.bilibili.com/read/cv7973269
ubuntu环境下Tensorflow、Pytorch的安装以及基于Pycharm的使用
好文章,我成功实现了
安装pytorch
conda install pytorch torchvision cudatoolkit=10.2
安装成功后输入:
python #启动python环境
import torch
torch.cuda.is_available()
如果返回True就代表安装成功了
安装tensorflow
pip install tensorflow_gpu==2.2 -i https://pypi.tuna.tsinghua.edu.cn/simple
import tensorflow as tf
print('GPU', tf.test.is_gpu_available())
结果False
cuda = 10.2
tensorflow_gpu==2.2.0
参考tensorflow2.x使用cuda10.2(非常简单)
后,按照他的方法,但还是报 False
然后在以上链接的基础上,按照评论区的方法解决了
评论区大佬多,差点放弃了
舒服了!!!