CUDA

CUDA

CUDA VISIBLE DEVICE https://www.jianshu.com/p/22c0f8ec9a3e

CUDA_VISIBLE_DEVICES=2,3 python my_script.py # Uses GPUs 2 and 3.
代码里设置可见显卡

if args.gpu == 'None':
    config.set_cuda(False)
else:
    try:
        os.environ['CUDA_VISIBLE_DEVICES'] = str(args.gpu)
    except IndexError:
        config.set_cuda(False)

如果要周期性的输出显卡的使用情况，可以用watch指令实现：
watch -n 10 nvidia-smi

升级CUDA版本

看NVIDIA驱动版本
sudo dpkg --list | grep nvidia-* 和nvidia-smi差不多，以前者为准，然后到 https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html 或 不同版本cuda对应的NVIDIA驱动版本 (mamicode.com) 找对应的 CUDA 版本；
检查linux版本 sudo dpkg --list | grep nvidia-*
选择CUDA版本https://developer.nvidia.com/cuda-11.1.0-download-archive?target_os=Linux&target_arch=x86_64&target_distro=WSLUbuntu&target_version=20 或者 https://developer.nvidia.com/cuda-downloads?target_os=Linux

CUDA版本检测https://zhuanlan.zhihu.com/p/48641682

当CUDA9安装完成后，需要进行检测:

1. cat /usr/local/cuda/version.txt #这种方法不太准，得到9.0.176

2. nvcc --version #这种方法准。如果nvcc没有安装，则sudo apt install nvidia-cuda-toolkit。检查出来是7.5.17

3）通过代码来查：

cudaDriverGetVersion(&driver_version); #获取cuda版本。得到9.0

cudaRuntimeGetVersion(&runtime_version); #获取cuda运行时版本。得到7.5

4）检测显卡型号及NVIDIA驱动版本

查看GPU型号 lspci | grep -i nvidia 得到M4000

查看NVIDIA驱动版本 sudo dpkg --list | grep nvidia-* 得到384.130

根据不同版本cuda对应的NVIDIA驱动版本(不同版本cuda对应的NVIDIA驱动版本 - LearnFromNow - 博客园),这个驱动应该对应cuda9.0

5）进一步查是否环境变量的问题，参见 Ubuntu16.04下安装多版本cuda和cudnn - tunhuzhuang1836的博客 - CSDN博客

在~/.bashrc中查看有无类似的语句，如有改成下面的样子，没有则增加：

export PATH="$PATH:/usr/local/cuda/bin"

export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64"

export LIBRARY_PATH="$LIBRARY_PATH:/usr/local/cuda/lib64"

然后继续nvcc --version还是得到7.5。

6）检查nvcc

which nvcc，发现是/usr/bin/nvcc，而实际上nvcc是应该在/usr/local/cuda/bin/nvcc。

所以，sudo gedit /usr/bin/nvcc，把里面的内容"exec /usr/lib/nvidia-cuda-toolkit/bin/nvcc" 改成"exec /usr/local/cuda/bin/nvcc"

然后继续nvcc --version这次得到9.0

DGL安装

https://www.dgl.ai/pages/start.html

安装 base 包

• 更新pip
  python -m pip install --upgrade pip
• 安装 sklearn
  pip install -U scikit-learn
• 1、使用Pip更新Pytorch和torchvision

列举pip当前可以更新的所有安装包

pip list --outdated --format=legacy

更新pytorch和torchvision安装包

pip install --upgrade pytorch torchvision

• 2、使用conda更新Pytorch和torchvision

建议将其添加soumith为您的Anaconda（或Miniconda）的源服务器

conda config --add channels soumith

更新pytorch和torchvision安装包

conda update pytorch torchvision
检查
import torch
print(torch.version)
torch.cuda.is_available()返回 False
torch.cuda.is_available()返回False,但nvidia-smi正常