ubuntu安装指定版本nvidia驱动、CUDA、nvidia-docker

1、安装指定版本nvidia 驱动和CUDA

1.下载nvidia驱动和CUDA

nvidia驱动网址https://www.nvidia.cn/Download/index.aspx?lang=cn

nvidia驱动

CUDA网址https://developer.nvidia.com/cuda-toolkit-archive

CUDA

2.建立nvidia文件夹并拷贝

sudo mkdir /work
sudo chown -R casia:casia /work/
cd /work/
sudo apt-get update
sudo apt-get install -y gcc make python3-pip
mkdir nvidia
cd nvidia/

将下载好的nvidia驱动和CUDA拷贝到改文件夹

3.安装nvidia驱动和CUDA

sudo sh NVIDIA-Linux-x86_64-450.102.04.run 三次回车
sudo sh cuda_11.0.2_450.51.05_linux.run 
键入accept回车->选择Install回车

4.检验

nvidia-smi

2、安装 nvidia-docker

在使用带有 cuda 环境的 docker 容器之前，首先需要安装 nvidia-docker 组件

2.1 安装docker

方法一：

curl -fsSL https://get.docker.com | bash -s docker --mirror Aliyun

方法二：

# 更新 apt 包索引
sudo apt-get update
# 安装 apt 依赖包，用于通过HTTPS来获取仓库
sudo apt-get install -y \
 apt-transport-https \
 ca-certificates \
 curl \
 gnupg-agent \
 software-properties-common
# 添加 Docker 的官方 GPG 密钥
curl -fsSL https://mirrors.ustc.edu.cn/docker-ce/linux/ubuntu/gpg | sudo apt-key add –
# 使用以下指令设置稳定版仓库
sudo add-apt-repository \
 "deb [arch=amd64] https://mirrors.ustc.edu.cn/docker-ce/linux/ubuntu/ \
 $(lsb_release -cs) \
 stable"
# 更新 apt 包索引
sudo apt-get update
# 安装最新版本的 Docker Engine-Community 和 containerd
sudo apt-get install -y docker-ce docker-ce-cli containerd.io
# 把当前用户加入到docker组中
sudo gpasswd -a ${USER} docker
# 重启docker服务
sudo service docker restart

2.2 添加 nvidia-docker 源

curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add -

curl -s -L https://nvidia.github.io/nvidia-docker/ubuntu18.04/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list

sudo apt-get update

2.3 安装 nvidia-docker2

安装 nvidia-docker2 后重启 docker 使得 nvidia-docker2 生效。

$ sudo apt-get install -y nvidia-docker2

$ sudo systemctl restart docker

2.4 配置nvidia-docker

修改/etc/docker/daemon.json文件配置如下

sudo vim /etc/docker/daemon.json

{
    "default-runtime": "nvidia",
    "runtimes": {
        "nvidia": {
            "path": "nvidia-container-runtime",
            "runtimeArgs": []
        }
    }
}


sudo systemctl daemon-reload

sudo systemctl restart docker

3、测试

1. 测试。

python3 -m pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 -f https://download.pytorch.org/whl/torch_stable.html

python3

import torch
torch.cuda.is_available()
torch.version.cuda
torch.zeros(1).cuda(0)
torch.zeros(1).cuda(1)
torch.zeros(1).cuda(2)
torch.zeros(1).cuda(3)
torch.zeros(1).cuda(4)
torch.zeros(1).cuda(5)
torch.zeros(1).cuda(6)
torch.zeros(1).cuda(7)
torch.cuda.device_count()

2. 如果报错是GeForce RTX 3080 with CUDA capability sm_86 is not compatible with the current PyTorch installation. The current PyTorch install supports CUDA capabilities sm_37 sm_50 sm_60 sm_61 sm_70 sm_75 compute_37.那么一定是cuda版本的问题了。安装cuda版本不对，解决方案：根据算力下载对应版本cuda