手机开发者模式启用gpu调试层 开发者选项gpu设置手机gpu「手机开发者模式启用gpu调试层 开发者选项gpu设置」

开发环境配置步骤

• NVIDIA显卡驱动安装

• Step 1：关闭系统自带驱动nouveau
• Step 2：NVIDIA驱动安装

• 安装CUDA

• Step 1：下载和安装
• Step 2：配置和验证

• 安装CUDNN

• Step 1：下载和安装
• Step 2： 验证

• 安装Anaconda
• PyTorch安装

如果本身安装有显卡驱动，可以通过以下命令先移除，再重新安装

首先查看查看以下nouveau是否正在运行，

如果有输出（如下图），这证明nouveau正在运行中，进行接下来的操作进行关闭。

禁用nouveau，在终端输入：自动弹出配置文件。在文件的末尾加上两行：

并在终端输入进行更改。完成后重启设备即可。

准备工作：
1.安装必要依赖

2.确认显卡型号：

3.根据显卡型号在英伟达官网下载对应驱动
https://www.nvidia.cn/Download/index.aspx

4.安装lightdm显示管理（ubuntu 20.04与22.04均需要安装）

如果你也遇到了 Unable to fetch some archives, maybe run apt-get update or try with --fix-missing? 这样的包，可以尝试替换成阿里源或者清华源。替换后再重试一下应该就可以解决。参考Ubuntu 20.04 更换阿里源。

安装过程中会弹窗选择显示管理器选择gdm3或者lightdm，选择一下lightdm即可。

5.关闭图形界面：

6.开始安装下载好的驱动：
找到刚刚驱动文件下载所在的文件夹

按提示选择后完成安装，输入确认驱动成功安装，如果成功，则能看到类似下图输出。

确认好之后，可以重启lightdm了。

上面中显示的CUDA 11.7并不是安装了CUDA11.7版本的含义，而是该驱动最高支持到CUDA 11.7版本。

进入NVIDIA官方CUDA下载页面https://developer.nvidia.com/cuda-toolkit-archive 选择自己需要的版本进行下载。这里以11.2.2下载为例。

选择了runfile(local)方式。完成选择之后，会弹出下载安装指引：

执行后，先输入同意EULA。

下一个页面中，取消勾选Driver，然后选择

安装完成后，需配置~/.bashrc文件才能够正常使用。

在最底部添加

保存退出之后，使其生效。然后命令行输入确认是否成功安装。如果看下以下输出，证明安装成功了。

在NVIDIA官网上下载与CUDA匹配的CUDNN安装文件: https://developer.nvidia.com/rdp/cudnn-download 需要登陆NVIDIA账户后进行下载。

可以查看一下Installation Guide确认一下prerequisite是否满足，以及GPU价格等和版本的匹配。以v8.4.1 for CUDA 11.x的下载和安装为例。根据系统选择了Local Installer for Ubuntu 20.04 x86_x64 (Deb)

下载deb文件，并进入下载路径，并执行以下操作：

CUDNN的安装包中有sample code，可用于测试。
先将sample code拷贝至可写入路径，如

进入到mnist文件夹中，并进行编译

如果遇到了，无法继续编译，可以执行以下命令：

执行后重新，完成后尝试运行，会看到很多输出，如果在最末端看到了!

则表明CUDNN安装成功。

在Anaconda官网，下载系统安装文件： https://www.anaconda.com/products/distribution#Downloads 这里选择了Linux 64-Bit (x86) Installer (659MB)安装文件。

命令行运行下载的sh文件进入到安装程序中。

按空格或者enter键，直到出现，输入（如有必要声明一下安装路径，没有的话按）等待安装完成即可。

首先创建一个虚拟环境，因为我们后续打算安装PyTorch 1.8.0,因此将该环境命名为PyTorch-1.8.0，Python设定为3.9.12 (与anaconda base一致)

由于安装的是11.2版本的CUDA，需要找到适配的PyTorch版本，查阅了https://pytorch.org/get-started/previous-versions/，有支持cuda 11.1和cuda11.3版本的，但没有找到11.2。

首先尝试了11.3的v1.10.1，v1.10.0、v1.9.1、v1.9.0以及v1.8.1均无法检测到GPU。

因此考虑无法向上兼容但应该可以向下兼容，因此尝试了支持11.1的v1.8.0：

等待安装完成。

验证一下是否安装成功

如果返回True，则表示安装成功。

至此可以hands on的进行深度学习算法的研发了。