ubuntu18.04怎么让应用使用gpu

首先，确认你的GPU驱动是否安装并可用。可以通过运行以下命令查看：

lspci -vnn | grep VGA -A 12

如果显示了你的GPU信息，则说明驱动已安装并且可用。如果未安装，请安装相应的驱动程序。

接下来，安装CUDA（如果你的应用需要使用CUDA），可以从官网下载相应的版本并按照说明进行安装。

最后，让应用程序使用GPU需要使用特定的命令或设置。具体的设置取决于你的应用程序。通常，你可以在应用程序中的设置或配置文件中找到相关选项。

例如，如果你想让 TensorFlow 使用GPU，可以通过以下方式启用：

import tensorflow as tf
physical_devices = tf.config.list_physical_devices('GPU')
tf.config.experimental.set_memory_growth(physical_devices[0], True)

以上是一个简单的例子，具体的设置取决于你的应用程序和框架。

相关问题

ubuntu18.04安装pytorch-gpu

### 回答1：
1. 首先，确保您的计算机已经安装了NVIDIA显卡驱动程序。您可以通过运行以下命令来检查：

   nvidia-smi

如果您看到了显卡信息，说明您已经安装了驱动程序。

2. 接下来，您需要安装CUDA工具包。您可以从NVIDIA官网下载适合您的CUDA版本，并按照官方文档进行安装。

3. 安装cuDNN库。您可以从NVIDIA官网下载适合您的cuDNN版本，并按照官方文档进行安装。

4. 确保您的计算机已经安装了Anaconda或Miniconda。您可以从官方网站下载并安装。

5. 打开终端，创建一个新的conda环境：

   conda create --name pytorch-gpu python=3.7

6. 激活新环境：

   conda activate pytorch-gpu

7. 安装pytorch-gpu：

   conda install pytorch torchvision torchaudio cudatoolkit=<your_cuda_version> -c pytorch

其中，<your_cuda_version>是您安装的CUDA版本号。

8. 安装其他必要的库：

   conda install matplotlib pandas jupyter notebook

9. 安装完成后，您可以在新环境中使用pytorch-gpu了。您可以通过运行以下命令来测试：

   python -c "import torch; print(torch.cuda.is_available())"

如果输出为True，则说明您已经成功安装了pytorch-gpu。

### 回答2：
要在Ubuntu 18.04上安装PyTorch GPU，您需要遵循以下步骤：

步骤1：安装CUDA

安装PyTorch GPU需要CUDA。按照下面的步骤安装CUDA：

a） 添加PPA存储库：

$ sudo add-apt-repository ppa: graphics-drivers/ppa

$ sudo apt-get update

b） 安装nvidia驱动程序和CUDA：

$ sudo apt-get install nvidia-driver-435

$ sudo apt-get install nvidia-cuda-toolkit

步骤2：安装cuDNN

cuDNN是NVIDIA深度神经网络库，提供GPU加速的功能。

a）从NVIDIA官方网站下载cuDNN的Deb文件。

b）解压缩下载的文件并将其复制到CUDA的安装目录下：

$ sudo dpkg -i libcudnn7*.deb
$ sudo cp -r /usr/src/cudnn_samples_v7/ $ HOME
$ cd $ HOME/cudnn_samples_v7/mnistCUDNN
$ make clean && make
$ ./mnistCUDNN

步骤3：安装PyTorch

a）安装Anaconda环境，这将帮助您管理您的Python环境。

b）创建一个名为"ml"的conda环境：

$ conda create -n ml anaconda python=3.6

c）启用conda环境：

$ source activate ml

d）安装PyTorch：

$ conda install pytorch torchvision cudatoolkit=10.1 -c pytorch

步骤4：测试您的PyTorch GPU安装

a） 启用conda环境：

$ source activate ml

b） 进入Python shell：

$ python

c）验证您的PyTorch GPU是否启用：

import torch

print(torch.cuda.is_available())

如果 省略了CUDA和cuDNN，则会输出“False”，如果 安装正确，则会输出“True”。

这就是在Ubuntu 18.04上安装PyTorch GPU的过程。

### 回答3：
PyTorch是深度学习领域中最流行的框架之一，它提供了GPU加速计算的能力以加快训练速度和提高模型的准确性。Ubuntu 18.04是一种流行的Linux操作系统，可以在其上运行PyTorch GPU版本来发挥更强大的计算能力。

以下是在Ubuntu 18.04上安装PyTorch GPU的步骤：

1. 在安装PyTorch GPU之前，需要确保已安装英伟达显卡驱动程序。在Ubuntu终端中输入以下命令来安装驱动程序：

sudo apt-get install nvidia-driver-410

注意：410是驱动程序的版本号，这可能会因您的显卡型号而有所不同。

2. 安装CUDA工具包。PyTorch需要CUDA来执行GPU加速计算。在安装CUDA之前，需要检查计算设备是否与CUDA兼容。在终端中输入以下命令：

lspci | grep -i nvidia

如果输出显示英伟达显卡，则说明您的设备与CUDA兼容。

在安装CUDA之前，需要下载相应的安装程序：

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-10-0_10.0.130-1_amd64.deb

接着，运行以下命令安装CUDA：

sudo dpkg -i cuda-10-0_10.0.130-1_amd64.deb

安装完成后，将CUDA添加到环境变量中，运行以下命令：

echo 'export PATH=/usr/local/cuda-10.0/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc

3. 安装cuDNN库。cuDNN是一个GPU加速库，可以进一步加速计算。在下载cuDNN库之前，需要注册NVIDIA开发者网站并下载相应版本的cuDNN库。

运行以下命令安装cuDNN：

tar -xzvf cudnn-10.0-linux-x64-v7.4.1.5.tgz
sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda-10.0/lib64/
sudo cp cuda/include/cudnn.h /usr/local/cuda-10.0/include/

4. 安装PyTorch GPU。在终端中输入以下命令安装PyTorch GPU：

pip3 install torch torchvision

安装完成后，运行以下代码测试PyTorch是否成功安装设备：

import torch
if torch.cuda.is_available():
print('CUDA is available')
else:
print('CUDA is not available')

这个命令行代码应该输出`CUDA is available`，表明PyTorch可以在GPU设备上进行计算。

以上就是在Ubuntu 18.04上安装PyTorch GPU的步骤。在安装过程中，如果遇到任何问题，请仔细检查您的系统和环境变量设置。

ubuntu18.04安装opencv3.4.5 gpu

### 回答1：
以下是在Ubuntu 18.04上安装OpenCV 3.4.5 GPU的步骤：

1. 更新系统：

sudo apt update && sudo apt upgrade

2. 安装依赖项：

sudo apt install build-essential cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libdc1394-22-dev libopencv-dev

3. 安装CUDA和cuDNN（如果已经安装可以跳过此步骤）：

3.1 安装CUDA：

sudo apt install nvidia-cuda-toolkit

3.2 安装cuDNN：

下载相应版本的cuDNN（需要注册NVIDIA账号）：https://developer.nvidia.com/rdp/cudnn-download

解压文件：

tar -xzvf cudnn-10.0-linux-x64-v7.3.1.20.tgz

进入文件夹：

cd cuda

复制文件：

sudo cp -P include/cudnn.h /usr/include

sudo cp -P lib64/libcudnn* /usr/lib/x86_64-linux-gnu/

sudo chmod a+r /usr/lib/x86_64-linux-gnu/libcudnn*

4. 下载OpenCV 3.4.5源码：

git clone -b 3.4.5 https://github.com/opencv/opencv.git

git clone -b 3.4.5 https://github.com/opencv/opencv_contrib.git

5. 编译OpenCV：

进入OpenCV源码目录：

cd opencv

创建build目录：

mkdir build

进入build目录：

cd build

配置编译：

cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_CUDA=ON -D CUDA_ARCH_BIN=6.1 -D CUDA_ARCH_PTX=6.1 -D OPENCV_EXTRA_MODULES_PATH=../../opencv_contrib/modules ..

CUDA_ARCH_BIN和CUDA_ARCH_PTX的值根据你的显卡架构而定。可以使用以下命令确定你的架构：

lspci | grep -i nvidia

例如，我的显卡架构是GeForce GTX 1080，值为6.1。

编译：

make -j8

安装：

sudo make install

6. 检查安装：

运行以下命令检查OpenCV是否正确安装：

pkg-config --modversion opencv

如果输出版本号，说明安装成功。

至此，在Ubuntu 18.04上安装OpenCV 3.4.5 GPU完成。

### 回答2：
安装OpenCV 3.4.5 GPU版本的步骤如下：

1. 安装NVIDIA驱动程序：首先，需要安装适合您的图形处理器的NVIDIA驱动程序。您可以从NVIDIA官方网站上下载并安装最新的驱动程序。确保您选择与您的GPU和Ubuntu 18.04版本相匹配的驱动程序。

2. 安装CUDA：CUDA是用于利用GPU计算能力的平台和编程模型。同样，您需要选择与您的GPU和Ubuntu 18.04版本相匹配的CUDA版本。您可以从NVIDIA官方网站上下载并安装CUDA。

3. 安装cuDNN：cuDNN是一个NVIDIA深度神经网络库，它提供了加速神经网络训练和推理的功能。您需要选择与您的CUDA版本相匹配的cuDNN版本，并从NVIDIA官方网站上下载并安装它。

4. 安装OpenCV依赖项：在编译和安装OpenCV之前，您需要安装一些必要的依赖项。打开终端并运行以下命令：

   sudo apt-get update
   sudo apt-get install build-essential cmake git pkg-config libgtk-3-dev \
   libjpeg-dev libpng-dev libtiff-dev libavcodec-dev libavformat-dev \
   libswscale-dev libv4l-dev libxvidcore-dev libx264-dev libatlas-base-dev \
   gfortran libcanberra-gtk3-module

5. 克隆OpenCV存储库：使用以下命令克隆OpenCV存储库：

   cd ~
   git clone https://github.com/opencv/opencv.git

6. 切换到OpenCV 3.4.5版本：默认情况下，您可能会得到OpenCV的最新版本。使用以下命令切换到3.4.5版本：

   cd opencv
   git checkout 3.4.5

7. 创建一个构建目录并切换到该目录：

   mkdir build
   cd build

8. 使用CMake配置OpenCV构建选项：

   cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local \
   -D INSTALL_C_EXAMPLES=OFF -D INSTALL_PYTHON_EXAMPLES=OFF \
   -D WITH_CUDA=ON -D CUDA_ARCH_BIN=<Your_CUDA_ARCH_BIN> -D CUDA_ARCH_PTX=<Your_CUDA_ARCH_PTX> \
   -D OPENCV_EXTRA_MODULES_PATH=../opencv_contrib/modules ..

根据您的具体需求，您可能需要根据OpenGL版本设置WITH_OPENGL参数，或根据您的OpenCV构建路径设置OPENCV_EXTRA_MODULES_PATH参数。

9. 编译和安装OpenCV：

   make -j$(nproc)
   sudo make install
   sudo ldconfig

10. 测试OpenCV设置是否成功：编写一个简单的OpenCV程序并进行编译和执行，以测试OpenCV的安装是否成功。

希望这些步骤能帮助您成功安装OpenCV 3.4.5 GPU版本。记得根据您的硬件和系统版本进行相应的选择和配置。

### 回答3：
首先，在Ubuntu 18.04上安装OpenCV 3.4.5 GPU版本需要确保你已经正确安装了CUDA和cuDNN，并且你的显卡支持CUDA。

以下是在Ubuntu 18.04上安装OpenCV 3.4.5 GPU版本的步骤：

1. 安装CUDA和cuDNN：访问NVIDIA官方网站，下载并安装与你的显卡型号和Ubuntu版本相匹配的CUDA和cuDNN版本。

2. 确认CUDA和cuDNN安装成功：在终端输入以下命令来检查CUDA是否正确安装：

nvcc -V

如果正确安装，你将看到CUDA的版本信息。

3. 安装依赖项：在终端中运行以下命令来安装必要的依赖项：

sudo apt-get update
sudo apt-get install build-essential cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev

4. 下载OpenCV源代码：在终端输入以下命令来下载OpenCV 3.4.5的源代码：

cd ~
git clone https://github.com/opencv/opencv.git
cd opencv
git checkout 3.4.5

5. 编译并安装OpenCV：在终端中依次运行以下命令来编译和安装OpenCV：

cd ~
mkdir opencv_build
cd opencv_build
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local ..
make -j8
sudo make install

6. 安装OpenCV的GPU模块：在终端中，进入OpenCV源代码的目录，然后执行以下命令：

cd ~/opencv_contrib/modules
git clone https://github.com/opencv/opencv_contrib.git
cd ~/opencv_build
cmake -DOPENCV_EXTRA_MODULES_PATH=~/opencv_contrib/modules ..
make -j8
sudo make install

7. 配置环境变量：打开终端配置文件 `~/.bashrc`，并在文件末尾添加以下内容：

export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH

保存文件并运行以下命令来应用配置更改：

source ~/.bashrc

这样，你就已经成功在Ubuntu 18.04上安装了OpenCV 3.4.5 GPU版本。你可以使用以下命令验证安装是否成功：

pkg-config --modversion opencv

如果OpenCV的版本信息显示为3.4.5，并且你的显卡支持CUDA，那么你已经成功安装了OpenCV 3.4.5 GPU版本。