如何在 Google Colab GPU 中安装 CUDA
Posted
技术标签:
【中文标题】如何在 Google Colab GPU 中安装 CUDA【英文标题】:How to install CUDA in Google Colab GPU's 【发布时间】:2018-11-06 16:40:22 【问题描述】:Google Colab GPU 似乎没有附带 CUDA Toolkit,我。我在 Google Colab 中安装 mxnet 时遇到此错误。
Installing collected packages: mxnet
Successfully installed mxnet-1.2.0
错误:利用 GPU 进行计算的安装不完整。 请确保您已安装 CUDA 并运行以下行 您的终端,然后重试:
pip uninstall -y mxnet && pip install mxnet-cu90==1.1.0
根据您的 CUDA 版本调整“cu90”(“cu75”和“cu80”是 也提供)。 您还可以通过调用 turicreate.config.set_num_gpus(0) 来完全禁用 GPU。 发生异常,使用 %tb 查看完整的回溯。
SystemExit: 1
【问题讨论】:
这个问题的整个前提是错误的。 Colab 实例配备了完整的 CUDA 工具包。哪个版本可能因您最终使用的硬件而异。在任何库存实例上,您都可以运行 nvcc 以查看您配置了哪个工具包版本 【参考方案1】:Cuda 未显示在您的笔记本上,因为您尚未在 Colab 中启用 GPU。
Google Colab 带有 GPU 或不带 GPU 两种选项。 您可以在运行时设置中启用或禁用 GPU
Go to Menu > Runtime > Change runtime.
将硬件加速改为 GPU。
要检查 GPU 是否正在运行,请运行以下命令
!nvidia-smi
如果输出如下图所示,则表示您的 GPU 和 cuda 正在工作。你也可以看到CUDA版本。
之后要检查 PyTorch 是否能够使用 GPU,运行以下代码。
import torch
torch.cuda.is_available()
# Output would be True if Pytorch is using GPU otherwise it would be False.
要检查 TensorFlow 是否能够使用 GPU,请运行以下代码。
import tensorflow as tf
tf.test.gpu_device_name()
# Standard output is '/device:GPU:0'
【讨论】:
【参考方案2】:我几乎相信 Google Colab 已经预装了 Cuda...您可以通过打开一个新笔记本并输入 !nvcc --version
来确定,这将返回已安装的 Cuda 版本。
这是我的:
【讨论】:
不是充分条件。使用 PyTorch,我在运行此代码时得到 False:torch.cuda.is_available()
。需要更改运行时以包含 GPU。
也许这会对你有所帮助。 ***.com/a/60338745/7001213
@coder.in.me:如果你想访问一个CUDA工具包构建和安装包,这是一个充分条件,这是实际的问题【参考方案3】:
-
去这里:https://developer.nvidia.com/cuda-downloads
选择 Linux -> x86_64 -> Ubuntu -> 16.04 -> deb(本地)
从下载按钮复制链接。
现在您必须编写命令序列。第一个是对 wget 的调用,它将从您在步骤 3 中保存的链接下载 CUDA 安装程序
“基本安装程序”部分下会有安装说明。也复制它们,但从所有行中删除
sudo
。
在每行前面加上 !
的命令,插入单元格并运行
对我来说,命令顺序如下:!wget https://developer.nvidia.com/compute/cuda/9.2/Prod/local_installers/cuda-repo-ubuntu1604-9-2-local_9.2.88-1_amd64 -O cuda-repo-ubuntu1604-9-2-local_9.2.88-1_amd64.deb
!dpkg -i cuda-repo-ubuntu1604-9-2-local_9.2.88-1_amd64.deb
!apt-key add /var/cuda-repo-9-2-local/7fa2af80.pub
!apt-get update
!apt-get install cuda
现在终于安装 mxnet。由于我上面安装的 cuda 版本是 9.2,我不得不稍微更改您的命令:!pip install mxnet-cu92
Successfully installed graphviz-0.8.3 mxnet-cu92-1.2.0
【讨论】:
我今天尝试安装它,发现操作系统已经更新到 Ubuntu 18.04。您可以使用!lsb_release -a
命令进行检查。还有可用的 Cuda 10.0。
@Dienow :按照步骤 7 后,我尝试了 !nvcc --version 并且版本似乎仍然是 10.1,我尝试安装 mxnet-cu92,但在导入时出现错误: OSError:libcudart.so.9.2:无法打开共享对象文件:没有这样的文件或目录。此外,在 mxnet 网站上,它说要安装 cudnn 7.4.1,我尝试安装它,但我的 .tgz 在尝试使用 tar xvzf cudnn-9.2-linux-x64-v7.1.tgz 解压缩时显示错误。它以错误 tar 退出:由于先前的错误而以失败状态退出。另外,我同意 Aakash 的评论。 18.04 在那里。【参考方案4】:
如果您切换到使用 GPU,那么您的 VM 上将可以使用 CUDA。基本上你需要做的就是将 MXNet 的版本与安装的 CUDA 版本相匹配。
这是我用来在 Colab 上安装 MXNet 的内容:
首先检查CUDA版本
!cat /usr/local/lib/python3.6/dist-packages/external/local_config_cuda/cuda/cuda/cuda_config.h |\
grep TF_CUDA_VERSION
对我来说它输出了#define TF_CUDA_VERSION "8.0"
然后我用
安装了 MXNet!pip install mxnet-cu80
【讨论】:
【参考方案5】:我认为这里最简单的方法是安装 mxnet-cu80。只需使用以下代码:
!pip install mxnet-cu80
import mxnet as mx
您可以通过以下方式检查它是否有效:
a = mx.nd.ones((2, 3), mx.gpu())
b = a * 2 + 1
b.asnumpy()
我认为colab现在只支持cu80,更高版本行不通。
更多信息,您可以查看以下两个网站:
Google Colab Free GPU Tutorial
Installing mxnet
【讨论】:
那么 mxnet-cuXX 会处理 cuda 依赖项的完整安装吗?【参考方案6】:要在 Colab 中运行,您需要 CUDA 8(cuda 9+ 的 mxnet 1.1.0 已损坏)。但是 Google Colab 现在运行的是 9.2。但是,有一种方法可以卸载 9.2,安装 8.0,然后安装 mxnet 1.1.0 cu80。
完整的 jupyter 代码在这里:Medium
【讨论】:
【参考方案7】:有一个guide 清楚地解释了如何在 Colab 中启用 Cuda。
【讨论】:
以上是关于如何在 Google Colab GPU 中安装 CUDA的主要内容,如果未能解决你的问题,请参考以下文章