Ubuntu系统深度学习环境配置全指南(下)

#作者: stackofumbrella

文章目录

Ubuntu安装Pytorch

为PyTorch单独创建conda环境

新版python已经自带pytorch库了,但为了不污染系统环境,可以安装anaconda为pytorch创建一个干净且独立的python环境

anaconda的安装详见《Ubuntu安装Anaconda》

$ conda create -n pytorch python=python版本号

虚拟环境创建完成

进入Pytorch官网找到linux下的安装代码

Pytorch官网:https://pytorch.org/

进入到刚创建的Pytorch的conda环境

$ conda activate pytorch

如图表示成功进入pytorch的conda环境

安装Pytorch

$ conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia

检查pytorch是否安装成功

进入到python环境输入以下命令

到此pytorch安装成功
搜索当前可用的tensorflow版本

$ anaconda search -t conda tensorflow

选择一个较新的CPU或GPU版本,如jjh_cio_testing/tensorflow-gpu的1.0.1版本,输入如下命令查询安装命令

$ anaconda show jjh_cio_testing/tensorflow-gpu

$ conda install --channel https://conda.anaconda.org/jjh_cio_testing tensorflow-gpu

conda会自动检测安装此版本的tensorflow所依赖的库,如果anaconda缺少这些依赖库,会提示安装。因为这里已经安装过了,所以只提示安装tensorflow。输入y并回车之后等待安装结束即可。

python安装tensorflow

pip install tensorflow2.3.0 -i https://pypi.tuna.tsinghua.edu.cn/simple pip install tensorflow2.3.0 -i https://mirrors.aliyun.com.pypi/simple

python指定GPU运行

各参数设置的含义

复制代码
CUDA_VISIBLE_DEVICES=1    #指定编号为1的GPU运行使用,其他的被忽略
CUDA_VISIBLE_DEVICES=0,1         #编号为0和1的GPU都被使用
CUDA_VISIBLE_DEVICES="0,1"       #指定多GPU一起使用
CUDA_VISIBLE_DEVICES=""             #所有GPU都被忽略

临时设置(临时设置一定要在第一次使用cuda之前进行)

复制代码
Linux系统指定GPU编号运行
# export CUDA_VISIBLE_DEVICES=GPU编号

windows系统设置
>set CUDA_VISIBLE_DEVICES=GPU编号

在Python代码中指定GPU

复制代码
import os

os.environ["CUDA_VISIBLE_DEVICES"] = "0"

设置定量的GPU使用量

复制代码
config = tf.ConfigProto()


config.gpu_options.per_process_gpu_memory_fraction = 0.9 #占用GPU90%的显存


session = tf.Session(config=config)

设置最小的GPU使用量

复制代码
config = tf.ConfigProto()


config.gpu_options.allow_growth = True


session = tf.Session(config=config)

查看GPU状态,每隔1秒刷新一次

复制代码
# watch -n 1 nvidia-smi

各个数据含义

GPU:GPU编号

Name:GPU型号

Persistence-M:持续模式的状态。持续模式虽然耗能大,但是在新的GPU应用启动时,花费的时间更少,这里显示的是off的状态

Fan:风扇转速,从0到100%之间变动;

Temp:温度,单位是摄氏度

Perf:性能状态,从P0到P12,P0表示最大性能,P12表示状态最小性能(即GPU未工作时为P0,达到最大工作限度时为P12)

Pwr:Usage/Cap:能耗

Memory Usage:显存使用率

Bus-Id:涉及GPU总线的东西

Disp.A:Display Active,表示GPU的显示是否初始化

Volatile GPU-Util:浮动的GPU利用率

Uncorr. ECC:Error Correcting Code,错误检查与纠正

Compute M:计算模式

下方的Processes表示每个进程对GPU的显存使用率

相关推荐
dingdingfish28 分钟前
TLPI 第57章 读书笔记:Sockets: UNIX Domain
linux·socket·domain·sendto·recvfrom·tlpi·socketpair
戊本菌10 小时前
进程(三)runqueue 与 Linux 的 O(1) 调度
linux·运维·服务器
光电笑映11 小时前
TCP 为什么可靠?从三次握手、滑动窗口到拥塞控制全面拆解(下)
linux·网络·网络协议·tcp
yz_aiks12 小时前
Termux 使用教程:把安卓手机变成随身 Linux(装 Python、SSH 远程、跑自动化脚本)
android·linux·python·智能手机·ssh·termux
hi_ro_a16 小时前
Ext系列⽂件系统详解
linux·服务器·操作系统
罗西的思考18 小时前
【轻量化复现大模型 / KIMI K3】训练模块梳理 & Muon P2P 优化器
人工智能·深度学习·机器学习
你住过的屋檐18 小时前
【SeaweedFS】Linux上搭建SeaweedFS文件存储服务完整教程
linux·运维·服务器
少司府19 小时前
嵌入式外设篇(三)GPIO·三:MCU系统结构、总线与统一编制
linux·python·stm32·单片机·嵌入式硬件·mcu·嵌入式软件
伞伞悦读20 小时前
【第90期】KNN分类回归流水线与K值对照的实验与排查
大数据·人工智能·python·深度学习·机器学习
不积跬步无以至千里mmbb2620 小时前
Rust三大核心:Trait Crate Mod详解
linux·rust