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

799 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

RTX3080+Ubuntu18.04+TensorFlow/PyTorch环境配置一、驱动及cuda、cudnn的安装二、pytorch的安装1. 源码编译安装2. pip方式安装三、TensorFlow的安装※ nvidia-tensorflow==1.15.4+nv20.10版本的安装1. 安装 TensorFlow wheel的索引2. 安装TensorFlow3. 安装nvidia-TensorFlow对应的依赖包4. TensorFlow测试四、后记参考有幸公司给购买了RTX3080，可以上

根据网上教程，用conda创建Tensorflow虚拟环境，然后在里面安装了Tensorflow，结果发现在后来创建的randlanet虚拟环境中无法使用，才明白不同虚拟环境之间环境不能互相使用，但是cuda和cudnn是在本地安装的，后来成功的测试表明，虚拟环境可以使用本地的环境。所以Tensorflow安装在本地或者randlanet虚拟环境都可以，弄明白虚拟环境后，本人将Tensorflow安装在了randlanet虚拟环境虚拟环境，当然需要第６步执行完才能安装，安装命令如下。最后测试是否安装成功。

本文提供在Ubuntu 22.04系统上为Nvidia RTX 3080显卡安装官方驱动的详细教程。内容涵盖安装前的环境准备、禁用开源驱动、解决内核模块编译错误（如GCC版本不匹配）等关键步骤，并指导完成安装后的验证与常见故障排除，确保显卡驱动成功部署并稳定运行。

本文详细解析了在Ubuntu20.04系统下，为适配30系显卡（如RTX 3060）配置DenseFusion深度学习环境的完整流程与核心难点。针对30系显卡与CUDA11.1的兼容性问题，提供了从系统CUDA安装、PyTorch1.8.0环境搭建到核心knn库编译的实战解决方案，并总结了典型报错的排查思路，旨在帮助开发者高效避坑，快速部署成功。

2021年，全球缺芯，许多电子产品产能严重不足，加上严峻的疫情，还有矿工黄牛囤货，导致显卡价格暴涨，就连各大平台也是陷入了一卡难求的境地。 RTX 30系列显卡大部分已经发售，但是真正能够享受到科技带来的福利的人少之又少。就在去年，微星恩斯迈工厂厂区大量显卡产品竟然被盗，约有40箱RTX 3090，价值在220万元左右，官方也是悬赏10万希望知情人士提供线索。这就过分了，买不到就去偷，正所谓“年轻人完全不讲武德”。如今深度学习类发展如火如荼，没有一张好显卡是不行的，这也间接加大了小伙伴们.

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