如何让3080显卡在Ubuntu下适配深度学习环境？

云上零度 2021-02-07 04:13:20

3080显卡在Ubuntu下适配深度学习环境

Ubuntu16.04

Ubuntu18.04

...全文

775 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

本文介绍了如何在Ubuntu18.04系统中配置RTX3080显卡，包括安装驱动、CUDA 11.1、cuDNN 8.0.4、TensorFlow 1.15.4和PyTorch 1.7.0等。提供了详细的安装步骤和测试方法。

本文记录在Ubuntu 18.04与RTX3080环境下部署RandLA-NET的完整过程，涵盖CUDA、cuDNN、TensorFlow及PyTorch的版本适配问题。重点解决显卡驱动冲突、Open3D可视化异常、Python虚拟环境配置等常见陷阱，并给出针对30系显卡需升级至CUDA 11.2及以上版本的关键结论。

本文详细指导在Ubuntu 22.04 LTS上手动安装NVIDIA RTX 3080官方闭源驱动，涵盖环境检测、nouveau禁用、GCC编译器版本适配（解决内核模块构建失败）、TTY模式下的静默安装、DKMS配置及post-install验证。重点解析nvidia-smi输出校验、Prime显卡切换、GRUB引导异常和CUDA驱动版本兼容性等关键技术问题。

本文详述在Ubuntu 20.04系统下，针对NVIDIA 30系列显卡（Ampere架构）成功配置DenseFusion环境的全流程，重点解决CUDA 11.1与PyTorch 1.8.0的兼容性难题；涵盖系统驱动安装、系统级CUDA/cuDNN部署、Conda虚拟环境构建、knn库手动编译、API迁移适配等关键技术环节，并提供典型报错诊断逻辑。

本文探讨了全球显卡短缺的原因，特别是NVIDIA RTX30系列的供应紧张，以及一款高性能移动GPU工作站的解决方案，该工作站在满足深度学习需求方面表现出色。作者详细介绍了如何在Ubuntu上安装NVIDIA驱动、CUDA和TensorFlow-GPU，以验证其对RTX30系列的兼容性。

CUDA高性能计算讨论

357

社区成员

615

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章