标签：https nvidia NVIDIA cuDNN GPU 显卡 驱动

怎么用nvidia显卡  跑深度学习的模型

1、首先，你有一台电脑，操作系统为ubuntu18.04。

第一步：就是安装nvidia显卡的驱动，让显卡能正常工作。

（1）第一种方法：进入英伟达官网下载：  https://www.nvidia.cn/Download/index.aspx?lang=cn

   根据你的显卡类型选择：

  

下载以后安装就行

 

（2）第二种方法： 在终端输入：ubuntu-drivers devices

 

 

 

 

 

 

driver后面时对应的驱动

如果没有特别的需求，直接 安装推荐的驱动， sudo ubuntu-drivers autoinstall

 

第二步：进入官网安装CUDA 工具包

    下载地址：  https://developer.nvidia.com/cuda-toolkit-archive

        NVIDIA® CUDA® 工具包提供了开发环境，可供创建经 GPU 加速的高性能应用。借助 CUDA 工具包，您可以在经 GPU 加速的嵌入式系统、台式工作站、企业数据中心、基于云的平台和 HPC 超级计算机中开发、优化和部署应用。此工具包中包含多个 GPU 加速库、多种调试和优化工具、一个 C/C++ 编译器以及一个用于在主要架构（包括 x86、Arm 和 POWER）上构建和部署应用的运行时库。

       借助多 GPU 配置中用于分布式计算的多项内置功能，科学家和研究人员能够开发出可从单个 GPU 工作站扩展到配置数千个 GPU 的云端设施的应用。

 

 

记得修改环境变量，再运行命令：sudo vi ~/.bashrc

 

 

 

第三步：进入官网安装cudnn  

   下载地址：   https://developer.nvidia.com/rdp/cudnn-archive

       NVIDIA CUDA® 深度神经网络库 (cuDNN) 是经 GPU 加速的深度神经网络基元库。cuDNN 可大幅优化标准例程（例如用于前向传播和反向传播的卷积层、池化层、归一化层和激活层）的实施。

       世界各地的深度学习研究人员和框架开发者都依赖 cuDNN 实现高性能 GPU 加速。借助 cuDNN，研究人员和开发者可以专注于训练神经网络及开发软件应用，而不必花时间进行低层级的 GPU 性能调整。cuDNN 可加速广泛应用的深度学习框架，包括 Caffe2、Chainer、Keras、MATLAB、MxNet、PyTorch 和 TensorFlow。如需获取经 NVIDIA 优化且已在框架中集成 cuDNN 的深度学习框架容器，请访问 NVIDIA GPU CLOUD 了解详情并开始使用。

 

第四步，安装TensorFlow-GPU

 

 

 

容器时如何调用GPU的，请看下面一篇博客

https://blog.csdn.net/xie_cinnamon/article/details/109037462

 

标签：https,nvidia,NVIDIA,cuDNN,GPU,显卡,驱动
来源： https://www.cnblogs.com/avaj/p/15170324.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。