五六年前深度学习还是个新鲜事的时候,linux下显卡驱动、CUDA的很容易把小白折磨的非常痛苦,以至于当时还有一个叫manjaro的发行版,因为驱动安装简单流行。老黄也意识到了这个问题,增加了很多新的安装方式。
最近发现了使用pip安装CUDA的方式。这种方法只安装一些必要的运行时,没有开发工具。好处是可以配合python的虚拟环境,无痛管理环境,windows/linux都能适用。但如果想在python以外使用,需要一些额外设置。
方法非常简单,只需要先编写一个requirements.txt
,然后使用pip
安装。
requirements.txt文件:
--extra-index-url https://pypi.ngc.nvidia.com
nvidia-cuda-runtime-cu11
nvidia-cuda-cupti-cu11
nvidia-cuda-nvcc-cu11
nvidia-nvml-dev-cu11
nvidia-cuda-nvrtc-cu11
nvidia-nvtx-cu11
nvidia-cuda-sanitizer-api-cu11
nvidia-cublas-cu11
nvidia-cufft-cu11
nvidia-curand-cu11
nvidia-cusolver-cu11
nvidia-cusparse-cu11
nvidia-npp-cu11
nvidia-nvjpeg-cu11
文件中的cu11
代表CUDA 11,具体的11.X会自动选取。如果需要手动选取特定版本,应该直接写成cu11x
就行了。
安装指令:
pip install -r requirements.txt
一般来说,国内会自动解析到英伟达的国内下载站(developer.download.nvidia.cn),所以速度非常快。
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。