기계 학습을 gpu로 돌리기위한 ubuntu, cuda, cudnn, chainer, cupy 설정
이번 셋업, 다른 기사에서도 쓰여진 것처럼, 자신도 빠져 버렸습니다.
제대로 1차 정보를 보러 가는 것은 중요합니다.
큰 프레임의 흐름은
· 우분투 설치
・CUDA(NVIDIA사의 GPU로 GPGPU하고 싶은 사람을 위한 프로그래밍 환경)의 인스톨
・cuDNN(NVIDIA가 공개하고 있는 Deep Learning용의 라이브러리)의 인스톨
·chainer, cupy 설치
입니다. 키워드로는
ubuntu 18.04 LTS
CUDA Toolkit 9.0
cudnn-9.0-linux-x64-v7.2.1.38.tgz
입니다.참고로 한 기사는,
"Ubuntu18.04에 Nvidia Driver, CUDA, cuDNN 넣기"
htps : // 코 m / 나카무라 21 / ms / 2b2 f6524710d167d618
"Ubuntu(16.04)에 Chainer+GPU 환경을 구축한다"
htps // 짱-pyぉg. 하테나 bぉg. 코m/엔트리/2018/03/20/202555
입니다.
1. ubuntu 18.04 LTS를 설치하기 위한 부트 USB 생성
2023년 4월까지 지원과 가장 긴 지원이 있는 Ubuntu 18.04 LTS를 채용.
SSD에 이전의 winOS가 들어 있었기 때문에, 그것을 기동하지 않게, 마자보로 boot의 우선 순위의 설정등 필요했습니다. 이런 것 오랜만이라 잊고 있다.
htps : // 이 m / hktm / ms / 0 ba cd d144365c2 1165
2. 우분투에서 gpu를 인식하기위한 설정
여기는 멋지다.
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt update
sudo apt install nvidia-387
# インストールが終わったら再起動
sudo reboot
# 確認も
nvidia-smi
3.CUDA 설정
nvidia 공식 페이지에서 다운로드, 작성한대로 코드
이번에는 CUDA Toolkit 9.0
Linux Ubuntu 16.04 x86_64
를 선택.
htps : //에서 ゔぇぺぺr. 응아아. 코 m / 쿠다 - w 응아 ds? targe t_o s = t rx t_a rch = x86_64 & targe t_ st rr = 우분 & r t_ ゔ ぇ rhion = 1804 & targe t_ty ぺ = b? l
표시되는 그대로 구현하면 된다.
sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
sudo apt-key add /var/cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
s/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda
4. cuDNN 설치
흠뻑 여기.
DL하는데 등록 필요하므로 주의.
선택한 것은 cuDNN v7.2.1 for CUDA 9.0의 "cuDNN v7.2.1 Library for Linux"
#展開
tar xzvf cudnn-9.0-linux-x64-v7.2.1.38.tgz
#コピー
sudo cp -a cuda/lib64/* /usr/local/cuda/lib64/
sudo cp -a cuda/include/* /usr/local/cuda/include/
그렇습니다. PATH를 통과하지 않으면 네요. 언제나 이 녀석에게 할 수 있습니다.
.bashrc의 맨 아래에 다음 코드를 copipe로.
LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
PATH=/usr/local/cuda/bin:$PATH
LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
쓰기가 끝나면,source ~/.bashrc
잊지 말고.
패스는 나니? 라는 쪽은 이쪽
h tp // w w. 미안해. 이 m/_오페라치온/파 th_th 브로우 gh. HTML
5. cupy, chainer 설치
cupy도 제대로 1차 정보를 읽고 설치.
h tps : // css 쿠 py. 짱 r. rg/엔/s타 bぇ/인 s타르. HTML
의외 여기도 시간 잡힌 울음
chainer도 pip하고.
pip install chainer
마지막은 확인합시다.
>>>import chainer
>>>import cupy
>>>chainer.cuda.check_cuda_available()
아무것도 표시되지 않으면 ok입니다!
고마워요.
Reference
이 문제에 관하여(기계 학습을 gpu로 돌리기위한 ubuntu, cuda, cudnn, chainer, cupy 설정), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/UK-11/items/1938e7a6eb7130833002
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
여기는 멋지다.
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt update
sudo apt install nvidia-387
# インストールが終わったら再起動
sudo reboot
# 確認も
nvidia-smi
3.CUDA 설정
nvidia 공식 페이지에서 다운로드, 작성한대로 코드
이번에는 CUDA Toolkit 9.0
Linux Ubuntu 16.04 x86_64
를 선택.
htps : //에서 ゔぇぺぺr. 응아아. 코 m / 쿠다 - w 응아 ds? targe t_o s = t rx t_a rch = x86_64 & targe t_ st rr = 우분 & r t_ ゔ ぇ rhion = 1804 & targe t_ty ぺ = b? l
표시되는 그대로 구현하면 된다.
sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
sudo apt-key add /var/cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
s/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda
4. cuDNN 설치
흠뻑 여기.
DL하는데 등록 필요하므로 주의.
선택한 것은 cuDNN v7.2.1 for CUDA 9.0의 "cuDNN v7.2.1 Library for Linux"
#展開
tar xzvf cudnn-9.0-linux-x64-v7.2.1.38.tgz
#コピー
sudo cp -a cuda/lib64/* /usr/local/cuda/lib64/
sudo cp -a cuda/include/* /usr/local/cuda/include/
그렇습니다. PATH를 통과하지 않으면 네요. 언제나 이 녀석에게 할 수 있습니다.
.bashrc의 맨 아래에 다음 코드를 copipe로.
LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
PATH=/usr/local/cuda/bin:$PATH
LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
쓰기가 끝나면,source ~/.bashrc
잊지 말고.
패스는 나니? 라는 쪽은 이쪽
h tp // w w. 미안해. 이 m/_오페라치온/파 th_th 브로우 gh. HTML
5. cupy, chainer 설치
cupy도 제대로 1차 정보를 읽고 설치.
h tps : // css 쿠 py. 짱 r. rg/엔/s타 bぇ/인 s타르. HTML
의외 여기도 시간 잡힌 울음
chainer도 pip하고.
pip install chainer
마지막은 확인합시다.
>>>import chainer
>>>import cupy
>>>chainer.cuda.check_cuda_available()
아무것도 표시되지 않으면 ok입니다!
고마워요.
Reference
이 문제에 관하여(기계 학습을 gpu로 돌리기위한 ubuntu, cuda, cudnn, chainer, cupy 설정), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/UK-11/items/1938e7a6eb7130833002
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
sudo apt-key add /var/cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
s/7fa2af80.pub
sudo apt-get update
sudo apt-get install cuda
흠뻑 여기.
DL하는데 등록 필요하므로 주의.
선택한 것은 cuDNN v7.2.1 for CUDA 9.0의 "cuDNN v7.2.1 Library for Linux"
#展開
tar xzvf cudnn-9.0-linux-x64-v7.2.1.38.tgz
#コピー
sudo cp -a cuda/lib64/* /usr/local/cuda/lib64/
sudo cp -a cuda/include/* /usr/local/cuda/include/
그렇습니다. PATH를 통과하지 않으면 네요. 언제나 이 녀석에게 할 수 있습니다.
.bashrc의 맨 아래에 다음 코드를 copipe로.
LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
PATH=/usr/local/cuda/bin:$PATH
LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
쓰기가 끝나면,
source ~/.bashrc
잊지 말고.패스는 나니? 라는 쪽은 이쪽
h tp // w w. 미안해. 이 m/_오페라치온/파 th_th 브로우 gh. HTML
5. cupy, chainer 설치
cupy도 제대로 1차 정보를 읽고 설치.
h tps : // css 쿠 py. 짱 r. rg/엔/s타 bぇ/인 s타르. HTML
의외 여기도 시간 잡힌 울음
chainer도 pip하고.
pip install chainer
마지막은 확인합시다.
>>>import chainer
>>>import cupy
>>>chainer.cuda.check_cuda_available()
아무것도 표시되지 않으면 ok입니다!
고마워요.
Reference
이 문제에 관하여(기계 학습을 gpu로 돌리기위한 ubuntu, cuda, cudnn, chainer, cupy 설정), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/UK-11/items/1938e7a6eb7130833002
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
pip install chainer
>>>import chainer
>>>import cupy
>>>chainer.cuda.check_cuda_available()
Reference
이 문제에 관하여(기계 학습을 gpu로 돌리기위한 ubuntu, cuda, cudnn, chainer, cupy 설정), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/UK-11/items/1938e7a6eb7130833002텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)