Как установить CUDA в графических процессорах Google Colab - PullRequest
Новая
       61

Как установить CUDA в графических процессорах Google Colab

0 голосов
/ 28 мая 2018

Кажется, что Google Colab GPU не поставляется с CUDA Toolkit, как я могу установить CUDA в Google Colab GPU.Я получаю эту ошибку при установке mxnet в Google Colab. 

Installing collected packages: mxnet
Successfully installed mxnet-1.2.0

ОШИБКА: неполная установка для использования графических процессоров для вычислений.Пожалуйста, убедитесь, что у вас установлена ​​CUDA, запустите следующую строку в вашем терминале и попробуйте снова: 

pip uninstall -y mxnet && pip install mxnet-cu90==1.1.0

Настройте «cu90» в зависимости от версии CUDA («cu75» и «cu80»).Также доступны).Вы также можете полностью отключить использование графического процессора, вызвав turicreate.config.set_num_gpus (0).Возникла исключительная ситуация, используйте% tb для просмотра полной трассировки. 

SystemExit: 1

Ответы [ 5 ]

0 голосов
/ 30 декабря 2018

Я почти уверен, что в Google Colab предустановлена ​​Cuda ... Вы можете убедиться, открыв новый блокнот и набрав !nvcc --version, который вернет установленную версию Cuda.

Вот мое:enter image description here

0 голосов
/ 25 октября 2018

Для запуска в Colab вам нужна CUDA 8 (mxnet 1.1.0 для cuda 9+ не работает).Но Google Colab работает сейчас 9.2.Однако есть способ удалить 9.2, установить 8.0, а затем установить mxnet 1.1.0 cu80.

Полный код Jupyter здесь: Средний

0 голосов
/ 25 июня 2018

Если вы переключитесь на использование графического процессора, CUDA будет доступна на вашей виртуальной машине.По сути, вам нужно сопоставить версию MXNet с установленной версией CUDA.

Вот что я использовал для установки MXNet на Colab:

Сначала проверьте версию CUDA 

!cat /usr/local/lib/python3.6/dist-packages/external/local_config_cuda/cuda/cuda/cuda_config.h |\
grep TF_CUDA_VERSION

Для меня это вывел #define TF_CUDA_VERSION "8.0"

Затем я установил MXNet с 

!pip install mxnet-cu80
0 голосов
/ 12 июля 2018

Я думаю, что самый простой способ здесь - установить mxnet-cu80.Просто используйте следующий код: 

!pip install mxnet-cu80
import mxnet as mx

И вы можете проверить, работает ли он следующим образом: 

a = mx.nd.ones((2, 3), mx.gpu())
b = a * 2 + 1
b.asnumpy()

Я думаю, что сейчас colab просто не поддерживает cu80 и более поздние версии.

Для получения дополнительной информации вы можете увидеть следующие два веб-сайта:

Учебник по бесплатному графическому процессору Google Colab

Установка mxnet

Happy Кодировка: D

0 голосов
/ 23 июня 2018
  1. Перейдите сюда: https://developer.nvidia.com/cuda-downloads
  2. Выберите Linux -> x86_64 -> Ubuntu -> 16.04 -> deb (local)
  3. Скопируйте ссылку с кнопки загрузки.
  4. Теперь вам нужно составить последовательность команд.Первым будет вызов wget, который загрузит установщик CUDA по ссылке, сохраненной на шаге 3
  5. В разделе «Базовый установщик» будет инструкция по установке.Скопируйте их, но удалите sudo из всех строк.
  6. Предисловие каждой строки с командами с !, вставить в ячейку и запустить
  7. Для меня последовательность команд была следующей:
    !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
  8. Сейчаснаконец, установите mxnet.Поскольку версия cuda, которую я установил выше, это 9.2, мне пришлось немного изменить вашу команду: !pip install mxnet-cu92
  9. Successfully installed graphviz-0.8.3 mxnet-cu92-1.2.0
...