响应式自助建站平台手机seo关键词优化

今天来将由《蓝创精英团队》带来一个Ubuntu 显卡环境的安装，主要是想记录下来，方便以后快捷使用。

主要的基础环境

1. 显卡驱动 (nvidia-smi)
2. CUDA (nvidia-smi 可查看具体版本)
3. cuDNN (cuda 深度学习加速库)
4. Conda python环境管理(Miniconda3)

Nvidia 驱动安装

先更新一下基础环境信息

sudo apt update
sudo apt-get install g++
sudo apt-get install gcc
sudo apt-get install make

查看当前服务器的可用驱动版本

ubuntu-drivers devices

我们选择 标记有 recommended（建议安装） 的驱动来进行安装。

sudo apt install nvidia-driver-535

安装完毕后，执行 nvidia-smi 是看不到结果的，这个时候是需要重启电脑的.

reboot

重启后，执行命令，就可以看到显卡驱动安装完成了。

nvidia-smi 

从图上也可以看到显卡驱动已经安装，也能看到CUDA 版本是需要 12.2版本的

CUDA 安装

打开官网

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

选择下列跟上图看到的CUDA 版本

然后，选择 本地安装相关选项。

只需要执行红色圈内的命令就可以了.

wget https://developer.download.nvidia.com/compute/cuda/12.2.0/local_installers/cuda-repo-ubuntu2204-12-2-local_12.2.0-535.54.03-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu2204-12-2-local_12.2.0-535.54.03-1_amd64.deb
sudo cp /var/cuda-repo-ubuntu2204-12-2-local/cuda-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cuda

cuDNN安装

打开官网并登录账号

https://developer.nvidia.com/rdp/cudnn-download

选择跟CUDA版本一样的版本进行下载。

也可以 自己服务器直接 wget 下载链接在服务器进行下载。(下载会直接下载到当前路径下)

下载完毕后，在当前目录下执行脚本

执行Shell 脚本
sudo dpkg -i cudnn-local-repo-ubuntu2204-8.9.7.29_1.0-1_amd64.deb

会提示要安装公钥

sudo cp /var/cudnn-local-repo-ubuntu2204-8.9.7.29/cudnn-local-08A7D361-keyring.gpg /usr/share/keyrings/

然后，继续安装

sudo dpkg -i cudnn-local-repo-ubuntu2204-8.9.7.29_1.0-1_amd64.deb 
sudo apt-get update

安装完毕后，继续安装cuDNN库和cuDNN示例

也可以在上面执行的命令里看到此路径

cd /var/cudnn-local-repo-ubuntu2204-8.9.7.29/

此路径下有相应的安装包

sudo dpkg -i libcudnn8_8.9.7.29-1+cuda12.2_amd64.deb
sudo dpkg -i libcudnn8-dev_8.9.7.29-1+cuda12.2_amd64.deb
sudo dpkg -i libcudnn8-samples_8.9.7.29-1+cuda12.2_amd64.deb

至此 cuDNN就安装完毕了

Miniconda3 安装

这个安装就简单了，直接执行命令即可

wget -c https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
chmod 755 Miniconda3-latest-Linux-x86_64.sh
sh Miniconda3-latest-Linux-x86_64.sh

然后，慢慢的回车，输入yes，输入yes，即可。

conda 常用命令

conda create --name test python=3.8 //创建环境
conda activate test      //切换环境
conda deactivate        //退出环境
conda env remove -n test //移除环境
conda env list           //查看环境列表 

结束

一个基本的ubuntu显卡环境就部署完成了，可以部署开源的大模型，清华的ChatGLM3大模型或者LangChain模型，以及其他的AI相关的项目。