我们之前测试了在Windows系统如何安装Tesla M4（成了！Tesla M4+Windows 10+Anaconda+CUDA 11.8+cuDNN+Python 3.11），前面安装好了Ubuntu 22.04.4的操作系统（Ubuntu 22.04.4安装Docker引擎）。今天，简单测试一下在Ubuntu系统上如何把新买的Tesla P4用起来。首先，我们到NVIDIA官网找到Ubuntu 22.04对应的驱动，下载下来。
讯享网
这里可以看到，基本上数据中心GPU的驱动都是通用的，从最低端的Tesla M4，到最高端的H系列和L系列，一个驱动文件通杀了。驱动文件的现在链接如下： https://cn.download.nvidia.cn/tesla/550.54.15/nvidia-driver-local-repo-ubuntu2204-550.54.15_1.0-1_amd64.deb下载完成后，对于deb文件，一般有两种安装方式：命令行或者GUI图形界面。GUI图形界面非常简单，只需要在文件管理器中找到下载好的.deb文件并双击运行即可，之后系统会自动调用软件安装程序。根据图形界面中显示的软件相关信息，点击“安装”按钮开始安装过程，直至安装完成。但对于我来讲，配置了GPU之后，控制台会因为缺少驱动卡在POST页面，所以还是需要先通过命令行方式来安装驱动。命令行方式主要使用dpkg命令进行安装，命令如下：
初次尝试安装时，系统可能会提示公钥（GPG key）未安装。为了能够信任NVIDIA提供的软件包仓库，我们需要执行以下命令，将NVIDIA的公钥复制到系统的keyrings目录下：
然后再次执行安装命令，此时，最新版本已经加载到本地仓库。
完成之后，运行以下命令更新软件包列表。
接下来，使用以下命令来安装最新版本的NVIDIA驱动，指定版本号为550。
安装完毕后，执行reboot命令重启系统，让新安装的NVIDIA驱动生效。重启后，运行nvidia-smi命令，查看NVIDIA驱动是否加载成功。
如果在桌面进行查看，通过Nvidia X Server Setting可以看到设备信息的图形展示。
设备信息。
安装好了驱动程序，接下来，我们来安装CUDA。首先，安装实际情况选择CUDA的环境配置，如下图所示：
不太建议选择使用runfile文件，编译可能会遇到问题，报错太多，不好解决。按照提示，下载并安装deb程序，整体和安装驱动的过程类似。
安装CUDA套件。
CUDA提供了两种安装模式，传统内核的cuda-drivers和开发内核的nvidia-open。nvidia-open是NVIDIA提供的一种开源内核模块选项，适用于对图形性能要求不是极高，更注重软件开放性和兼容性的场景；cuda-drivers是NVIDIA的传统（闭源）驱动选项，用于支持CUDA技术，适用于需要进行高性能计算或专业图形处理的场景，这些场景对GPU的计算能力和高级图形功能有较高的要求。所以，我们本次选择安装传统内核模块cuda-drivers，执行以下命令：
安装完成后，查看CUDA版本信息。
接下来，安装Anaconda。先下载安装脚本：
然后赋予可执行权限并执行：
按照提示完成安装。
默认情况下，Anaconda的Shell文件没有加载。
如果在上一步没有启用，在安装完成后，需要执行以下命令设置环境变量设置、激活Conda的Hook机制，并将conda集成到Shell的启动过程，之后就可以执行conda命令了。
安装完成后，创建一个pytorch环境，并激活。
然后就可以参照官网选项，获取安装命令了。
执行以下命令完成PyTorch环境部署
安装完成后，我们执行以下命令检验GPU设备是否可用。
GPU设备检验成功，我们再运行一下矩阵运算，对比一下
CPU的运算时间是10.2秒，GPU的运算时间为0.035474，差了大约286倍。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/141895.html