首页 > 其他分享> 文章详细

Manjaro 20.04安装Nvidia驱动,并安装pytorch-gpu

2021-10-30 20:07:59 阅读：643 来源： 互联网

标签：Manjaro nn data torch cuda nvidia test gpu 安装

安装闭源Nvidia驱动：

删去自带nvidia驱动
方式一：面板删除全删干净。

方式二：

mhwd -li #查看已安装的显卡驱动
sudo mhwd -r video-nvidia#卸载对应驱动
mhwd -l #查看可安装显卡驱动

切换低版本内核

#删除不需要的内核版本
mhwd-kernel -li#查看已安装内核
sudo mhwd-kernel -r xxx#删除不需要的内核

安装nvidia驱动

#选择与内核相对应的版本，不要带390xx的旧显卡驱动，不带尾缀的会自动安装最新可用版本的驱动
pacman -S nvidia nvidia-utils nvidia-settings

4.千万不要重启！！
接下来参看这位博主的博客archlinux安装nvidia-1050ti闭源驱动教程，亲测

抄一下作业，方便自己以后找错感谢＠https://blog.csdn.net/u014025444

$ lspci | egrep ‘VGA|3D’ 出现如下格式：
---------------------------------------------------------------------- 00:02.0 VGA compatible controller: Intel Corporation UHD Graphics 630
(Desktop) 01:00.0 VGA compatible controller: NVIDIA Corporation GP107M
[GeForce GTX 1050 Ti Mobile] (rev a1)

＃生成配置文件
$ nvidia-xconfig

$ nano /usr/share/sddm/scripts/Xsetup
xrandr --setprovideroutputsource modesetting NVIDIA-0
xrandr --auto

#修改配置文件
$ nano /etc/X11/xorg.conf
---------------------------------------------------------------------- Section “Module”
#此部分可能没有，自行添加
load “modesetting” EndSection

Section “Device”
Identifier “Device0”
Driver “nvidia”
VendorName “NVIDIA Corporation”
BusID “1:0:0” #此处填刚刚查询到的BusID
Option “AllowEmptyInitialConfiguration” EndSection

重启后，命令行运行nvidia-smi

在这里插入图片描述
最后，当然是要使用GPU来进行深度学习啦。
１.老生常谈：安装Ananconda环境，配置conda清华源加速下载。
２.安装pytorch-gpu,cuda,cudnn

在这里插入图片描述

#注意不要加 -c,这里CUDA版本只要比Nidia驱动版本号低，就可以正常运行^^_^
conda install pytorch torchvision torchaudio cudatoolkit=10.2 pytorch
#上过程会自动安装CUDA,因此只需要安装CUDNN即可。
conda install cudnn
#待安装的cudnn版本会自动根据已经安装的cuda版本号进行匹配安装。
最后测试

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Wed Oct 13 14:07:46 2021

@author: p
"""

"""
View more, visit my tutorial page: https://mofanpy.com/tutorials/
My Youtube Channel: https://www.youtube.com/user/MorvanZhou
Dependencies:
torch: 0.4
torchvision
"""
import torch
import torch.nn as nn
import torch.utils.data as Data
import torchvision

# torch.manual_seed(1)
#    
EPOCH = 10
BATCH_SIZE = 1
LR = 0.001
DOWNLOAD_MNIST = True

train_data = torchvision.datasets.MNIST(root='./mnist/', train=True, transform=torchvision.transforms.ToTensor(), download=DOWNLOAD_MNIST,)
train_loader = Data.DataLoader(dataset=train_data, batch_size=BATCH_SIZE, shuffle=True)

test_data = torchvision.datasets.MNIST(root='./mnist/', train=False)
torch.cuda.empty_cache( )
# !!!!!!!! Change in here !!!!!!!!! #
test_x = torch.unsqueeze(test_data.test_data, dim=1).type(torch.FloatTensor)[:2000].cuda()/255.   # Tensor on GPU
test_y = test_data.test_labels[:2000].cuda()


class CNN(nn.Module):
    def __init__(self):
        super(CNN, self).__init__()
        self.conv1 = nn.Sequential(nn.Conv2d(in_channels=1, out_channels=16, kernel_size=5, stride=1, padding=2,),
                                   nn.ReLU(), nn.MaxPool2d(kernel_size=2),)
        self.conv2 = nn.Sequential(nn.Conv2d(16, 32, 5, 1, 2), nn.ReLU(), nn.MaxPool2d(2),)
        self.out = nn.Linear(32 * 7 * 7, 10)

    def forward(self, x):
        x = self.conv1(x)
        x = self.conv2(x)
        x = x.view(x.size(0), -1)
        output = self.out(x)
        return output

cnn = CNN()

# !!!!!!!! Change in here !!!!!!!!! #
cnn.cuda()      # Moves all model parameters and buffers to the GPU.

optimizer = torch.optim.Adam(cnn.parameters(), lr=LR)
loss_func = nn.CrossEntropyLoss()


for epoch in range(EPOCH):
    for step, (x, y) in enumerate(train_loader):

        # !!!!!!!! Change in here !!!!!!!!! #
        b_x = x.cuda()    # Tensor on GPU
        b_y = y.cuda()    # Tensor on GPU
        
        output = cnn(b_x)
        loss = loss_func(output, b_y)
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()

        if step % 200 == 0:
#            if hasattr(torch.cuda,'empty_cache'):
#                torch.cuda.empty_cache()
            with torch.no_grad(): 
                test_output = cnn(test_x)
#            if hasattr(torch.cuda,'empty_cache'):
#                torch.cuda.empty_cache()
            # !!!!!!!! Change in here !!!!!!!!! #
            pred_y = torch.max(test_output, 1)[1].cuda().data  # move the computation in GPU

            accuracy = torch.sum(pred_y == test_y).type(torch.FloatTensor) / test_y.size(0)
            print('Epoch: ', epoch, '| train loss: %.4f' % loss.data.cpu().numpy(), '| test accuracy: %.2f' % accuracy)


test_output = cnn(test_x[:10])

# !!!!!!!! Change in here !!!!!!!!! #
pred_y = torch.max(test_output, 1)[1].cuda().data # move the computation in GPU

print(pred_y, 'prediction number')
print(test_y[:10], 'real number')

标签：Manjaro,nn,data,torch,cuda,nvidia,test,gpu,安装
来源： https://blog.csdn.net/ph2537089/article/details/121055146

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。

ICode9

Manjaro 20.04安装Nvidia驱动,并安装pytorch-gpu

安装闭源Nvidia驱动：