机器学习环境搭建 安装Nvidia GPU Driver

本文主要介绍为Ubuntu安装Nvidia GPU驱动,演示的环境的硬件为AWS EC2 g4dn机型,它搭载了一颗服务器专用的T4 Tensor Core GPU,这台服务器运行Ubuntu Server 22.04 LTS。

Amazon EC2 G4dn 实例专用于加速机器学习推理和图形密集型工作负载,它搭载的T4 Tensor Core GPU有16GB的显存,非常适合中等负荷下的AI场景。本次我使用的是最经济的g4dn.xlarge。你自己也可以组装在你的个人电脑(需要Nvidia消费级显卡)上正常复现安装流程。

安装驱动

检查环境

输入uname -acat /etc/lsb-release进行操作系统检查,我们看到正在运行的是Ubuntu Server 22.04.3 LTS(内核为专为AWS云上环境优化后的Linux 6.2)。

机器学习环境搭建 安装Nvidia GPU Driver_第1张图片

安装依赖项

我们先安装一些依赖项,比如gcc,g++,make

我们执行:sudo apt update -y && sudo apt upgrade -y && sudo apt install vim gcc g++ make python3-pip -y

机器学习环境搭建 安装Nvidia GPU Driver_第2张图片

查询可用的Nvidia软件版本

我们可以运行nvidia-detectorubuntu-drivers devices查看可以使用的驱动版本。如果上述的2条命令找不到,可以输入sudo apt install ubuntu-drivers-common进行安装。

机器学习环境搭建 安装Nvidia GPU Driver_第3张图片

然后使用sudo apt install nvidia-driver-535 -y安装最新的535版本驱动(你可以安装nvidia-driver-535-server版本)

安装完成后需要重启服务器,我们直接sudo reboot就好 机器学习环境搭建 安装Nvidia GPU Driver_第4张图片

检测驱动安装

重启后,我们运行nvidia-smicat /proc/driver/nvidia/version进行检查。我们可以看到535版本的驱动安装好了 机器学习环境搭建 安装Nvidia GPU Driver_第5张图片

最后

为了帮助大家更好的学习人工智能,这里给大家准备了一份人工智能入门/进阶学习资料,里面的内容都是适合学习的笔记和资料,不懂编程也能听懂、看懂,所有资料朋友们如果有需要全套人工智能入门+进阶学习资源包,可以在评论区或扫.码领取哦)~

在线教程

  • 麻省理工学院人工智能视频教程 – 麻省理工人工智能课程
  • 人工智能入门 – 人工智能基础学习。Peter Norvig举办的课程
  • EdX 人工智能 – 此课程讲授人工智能计算机系统设计的基本概念和技术。
  • 人工智能中的计划 – 计划是人工智能系统的基础部分之一。在这个课程中,你将会学习到让机器人执行一系列动作所需要的基本算法。
  • 机器人人工智能 – 这个课程将会教授你实现人工智能的基本方法,包括:概率推算,计划和搜索,本地化,跟踪和控制,全部都是围绕有关机器人设计。
  • 机器学习 – 有指导和无指导情况下的基本机器学习算法
  • 机器学习中的神经网络 – 智能神经网络上的算法和实践经验
  • 斯坦福统计学习

有需要的小伙伴,可以点击下方链接免费领取或者V扫描下方二维码免费领取
机器学习环境搭建 安装Nvidia GPU Driver_第6张图片
请添加图片描述

人工智能书籍

  • OpenCV(中文版).(布拉德斯基等)
  • OpenCV+3计算机视觉++Python语言实现+第二版
  • OpenCV3编程入门 毛星云编著
  • 数字图像处理_第三版
  • 人工智能:一种现代的方法
  • 深度学习面试宝典
  • 深度学习之PyTorch物体检测实战
  • 吴恩达DeepLearning.ai中文版笔记
  • 计算机视觉中的多视图几何
  • PyTorch-官方推荐教程-英文版
  • 《神经网络与深度学习》(邱锡鹏-20191121)

  • 在这里插入图片描述
    有需要的小伙伴,可以点击下方链接免费领取或者V扫描下方二维码免费领取
    机器学习环境搭建 安装Nvidia GPU Driver_第7张图片

第一阶段:零基础入门(3-6个月)

新手应首先通过少而精的学习,看到全景图,建立大局观。 通过完成小实验,建立信心,才能避免“从入门到放弃”的尴尬。因此,第一阶段只推荐4本最必要的书(而且这些书到了第二、三阶段也能继续用),入门以后,在后续学习中再“哪里不会补哪里”即可。

第二阶段:基础进阶(3-6个月)

熟读《机器学习算法的数学解析与Python实现》并动手实践后,你已经对机器学习有了基本的了解,不再是小白了。这时可以开始触类旁通,学习热门技术,加强实践水平。在深入学习的同时,也可以探索自己感兴趣的方向,为求职面试打好基础。

第三阶段:工作应用

这一阶段你已经不再需要引导,只需要一些推荐书目。如果你从入门时就确认了未来的工作方向,可以在第二阶段就提前阅读相关入门书籍(对应“商业落地五大方向”中的前两本),然后再“哪里不会补哪里”。

在这里插入图片描述
有需要的小伙伴,可以点击下方链接免费领取或者V扫描下方二维码免费领取
机器学习环境搭建 安装Nvidia GPU Driver_第8张图片

你可能感兴趣的:(机器学习,人工智能,vscode,jupyter,pytorch,深度学习)