Ubuntu 18.04 GeForce GTX 1070 執行 pytorch 使用 GPU

深度學習常需要使用GPU進行運算，這邊使用 Ubuntu 18.04 安裝

確認作業系統版本

輸入 lsb_release -a 確認為 Ubuntu 18.04 版本

ubuntu@ubuntu-Z390-M:~$ lsb_release -a 
No LSB modules are available.
Distributor ID:	Ubuntu
Description:	Ubuntu 18.04.5 LTS
Release:	18.04
Codename:	bionic

 安裝 Nvidia driver

清除原有的nvidia driver

sudo apt-get purge nvidia*

加入顯卡 ppa

sudo add-apt-repository ppa:graphics-drivers

package 更新

sudo apt-get update

sudo apt upgrade

找出目前支援的GPU driver 版本

ubuntu-drivers list

安裝 nvidia driver

sudo apt install nvidia-driver-VERSION_NUMBER_HERE

使用455版本

sudo apt install nvidia-driver-455

安裝完後重啟

sudo reboot

檢查是否安裝成功

nvidia-smi

安裝 CUDA

驅動安裝完畢後確認 CUDP 11.1 已正常安裝，此步驟略過

安裝 cuDNN 

先登入nvidia cudnn安裝官網，同意使用者條款，後選擇ubuntu18.04版本安裝cudnn下載。

下載點

使用 dpkg -i <file_name> 執行安裝

安裝 cuDNN runtime library

sudo dpkg -i ./libcudnn8_8.0.5.39-1+cuda11.1_amd64.deb 

安裝 pytorch

pip3 install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio===0.7.2 -f https://download.pytorch.org/whl/torch_stable.html

測試是否使用 GPU

>>> import torch
>>> a = torch.cuda.is_available()
>>> print(a)
True
>>> 
>>> ngpu= 1
>>> # Decide which device we want to run on
... device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
>>> print(device)
cuda:0
>>> print(torch.cuda.get_device_name(0))
GeForce GTX 1070
>>> print(torch.rand(3,3).cuda()) 
tensor([[0.8765, 0.3457, 0.3078],
        [0.5144, 0.8105, 0.3253],
        [0.9359, 0.3266, 0.6643]], device='cuda:0')

確認成功，相較於使用 TensorFlow 需要對應 cuda 版本，pytorch 容易許多