目录
【摘要】 Nvidia A系列裸金属服务器安装NVIDIA和CUDA驱动,安装conda和pytorch2.0并验证cuda的有效性。
1. 环境描述
操作系统:Ubuntu 22.04 server 64bit
选择安装环境相关版本: GPU驱动版本为530.30.02、CUDA版本为12.1.0
本文以上述信息配置NVIDIA驱动、CUDA和FabricManager, 并安装PyTorch2.0, 验证其可以正常运行。
2. GPU环境安装指南
安装依赖包
# 清理之前的安装环境
apt remove *nvidia*
apt remove nvidia-headless-525 nvidia-headless-no-dkms-525 nvidia-kernel-common-525 nvidia-utils-525 nvidia-dkms-525 nvidia-compute-utils-525 nvidia-kernel-source-525 libnvidia-cfg1-525
apt-get -y install libnvidia-container1:amd64 libnvidia-container-tools nvidia-container-runtime nvidia-container-toolkit-base
2.1 安装NVIDIA驱动
# 下载安装包
wget https://us.download.nvidia.cn/XFree86/Linux-x86_64/530.30.02/NVIDIA-Linux-x86_64-530.30.02.run
chmod +x NVIDIA-Linux-x86_64-530.30.02.run
./NVIDIA-Linux-x86_64-530.30.02.run
2.2 安装CUDA
注意事项: 不能选择Driver, 否则会覆盖已安装的NVIDIA驱动.
wget https://developer.download.nvidia.com/compute/cuda/12.1.0/local_installers/cuda_12.1.0_530.30.02_linux.run
chmod +x cuda_12.1.0_530.30.02_linux.run
./cuda_12.1.0_530.30.02_linux.run --toolkit --samples --silent
3. 安装nvidia-fabricmanager
Ant系列GPU支持 NvLink & NvSwitch,若您使用多GPU卡的机型,需额外安装与驱动版本对应的nvidia-fabricmanager服务使GPU卡间能够互联,否则可能无法正常使用GPU实例。
注意事项: fabricmanager版本一定要和nvidia驱动版本必须保持一致.
version=530.30.02
main_version=$(echo $version | awk -F '.' '{print $1}')
apt-get update
# apt-get -y install nvidia-cuda-toolkit libnvidia-container1:amd64 libnvidia-container-tools nvidia-container-runtime
apt-get remove nvidia-fabricmanager*
# https://developer.download.nvidia.cn/compute/cuda/repos/debian10/x86_64/
wget https://developer.download.nvidia.cn/compute/cuda/repos/debian10/x86_64/nvidia-fabricmanager-530_530.30.02-1_amd64.deb
apt-get install ./nvidia-fabricmanager-530_530.30.02-1_amd64.deb
# apt-get -y install nvidia-fabricmanager-${main_version}=${version}-*
3.1 验证fabricmanager安装结果
验证驱动安装结果、启动fabricmanager服务并查看状态
nvidia-smi -pm 1
nvidia-smi
systemctl unmask nvidia-fabricmanager.service
systemctl enable nvidia-fabricmanager
systemctl start nvidia-fabricmanager
systemctl status nvidia-fabricmanager
4. pytorch2.0安装和CUDA验证指南
PyTorch2.0所需环境为Python3.10, 安装配置miniconda环境。
4.1 miniconda安装并创建alpha环境
wget https://repo.anaconda.com/miniconda/Miniconda3-py310_23.1.0-1-Linux-x86_64.sh
chmod 750 Miniconda3-py310_23.1.0-1-Linux-x86_64.sh
bash ./Miniconda3-py310_23.1.0-1-Linux-x86_64.sh -b -p /root/miniconda3
export PATH=/home/miniconda/bin:$PATH
conda create --quiet --yes -n alpha python=3.10
4.2 安装pytorch2.0并验证cuda状态
在alpha环境下安装torch2.0, 使用清华PIP源完成.
source activate alpha
pip install torch==2.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
python
验证torch与cuda的安装状态,输出为True即为正常.
import torch
print(torch.cuda.is_available())
如果遇到问题如下图
解决方法:
pip install numpy