在本地和服务器物理机以及docker中都安装了环境,最后觉得还是docker中的最方便,建议安装在docker上。
1.安装docker,参考linux中docker的安装及使用_LOLUN9的博客-CSDN博客。这一步比较容易也 不怎么出错。注意,一定要全部安装完毕,远程也要配置。不然无法通过ssh远程登录。
2.在物理机上安装显卡驱动,这一步一定要对上版本,不然很容易报错。查询官网,版本号应该对应如下:

在ubuntu中直接使用命令来查看版本:无需上官网查看,下载。
sudo apt list nvidia-driver*
得到的版本结果显示如下:

我这里直接安装470版本。同样在ubuntu中使用命令:
sudo apt install nvidia-driver-470
安装结束之后,重启服务器:sudo reboot
重启结束后查看GPU信息:
nvidia-smi

本文介绍了如何在Ubuntu系统中使用Docker安装PyTorch(GPU版)和CUDA。首先安装Docker并配置远程访问,然后安装显卡驱动,根据驱动确定CUDA版本。接着,从Docker Hub拉取合适的PyTorch镜像,并启动容器。在容器内初始化conda环境,验证CUDA和PyTorch GPU支持。最后,安装Jupyter Notebook并配置远程连接,实现本地访问容器内的Jupyter服务。

1815

被折叠的 条评论
为什么被折叠?



