搬瓦工中文网
安装ubuntu 20.04 安装nvidia 驱动 配置pytouch 和tensorflow环境
本机环境：戴尔g3 3579
win10 ，系统在128固态硬盘
安装ubuntu20.04
1开机按f2进入bios
2 security boot 设置disable
安装nvidia驱动
最开始安装驱动，首先禁止nouveau
然后卸载原先的nvidia驱动(如果有）
但是装完出现这种情况
nvidia-smi有输出，nvidia-settings有反映，而且还生成了快捷图标
但是重启生效后，在设置->关于：显卡由原来的集成显卡630变成了lvib什么的
虽然不影响审定学习环境搭建但是总感觉以后会挂的
还有一种情况是 ，装完成驱动后，在设置->关于：显卡显示gtx1060。但是每次开机或者关机显示：dev/sda5 clean …dev/sda6 clean.等2s后关机，开机也是这样。
还有一种情况是，环境搭建好了，驱动什么的都好了，但是一个命令，当时在安装网易云音月，要弄什么依赖，然后一行命令过去，开机无限闪现dev/sda6 clean 。ctro-alt-f1能打开tty,但是用户名和密码来不及输入，tty闪退，1s不到。然后进不了系统。最后重装系统
现在：
装完ubuntu系统后，什么更新都不要，也不要禁止nouveau。第一件事情直接装驱动，
重启后，麻事情没有。
搭建pytouch
安装miniconda3，
换中科大，清华源
conda create -n pytouch python=3.7
conda activate pytouch
conda config –add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda install pytorch=0.4.1 torchvision cuda90
安装pycharm
点击tools->create desktop entry 直接生成快捷键
设置编译器为pytouch
填写代码测试使用了gpu：
?
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 | import torch flag = torch.cuda.is_available() print(flag) ngpu= 1 # decide which device we want to run on device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu") print(device) print(torch.cuda.get_device_name(0)) print(torch.rand(3,3).cuda()) # true # cuda:0 # geforce gtx 1060 # tensor([[0.5772, 0.5287, 0.0946], # [0.9525, 0.7855, 0.1391], # [0.6858, 0.5143, 0.8188]], device='cuda:0') |
安装tensorflow14
?
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 | import tensorflow as tf from tensorflow.python.client import device_lib print(device_lib.list_local_devices()) import warnings warnings.filterwarnings("ignore") hello=tf.constant("hello,tensorflow") print(hello) a=tf.constant([1.0,2.0]) #定义常数 b=tf.constant([3.4,4.0]) result1=a+b print("a+b=",result1) c=tf.constant([[3.0],[1.4]]) result2=a+c sess=tf.session() print("result1:",result1)#显示结果是“add:0"的张量，shape只有一个元素，即维度是1 # 2表示第一个维度有两个元素，且是浮点型 try: print(sess.run(result1)) print("result2:",result2) print(sess.run(result2)) print(sess.run(hello)) except: #异常处理 print("exception") finally: #关闭会话，释放资源 sess.close() |
