Ubuntu 22.04上RTX 4090显卡与PyTorch深度学习环境的配置全攻略

ubuntu22.04更换RTX 4090显卡后，安装驱动和pytorch记录
一、背景
随着深度学习的发展，显卡成为了处理复杂计算任务的重要硬件。近期，NVIDIA发布了新一代的RTX 4090显卡，其强大的性能吸引了许多深度学习从业者。为了进一步提高工作站的性能，我们决定将Ubuntu 22.04服务器上的显卡更换为RTX 4090。本文将详细记录更换过程，包括安装驱动和配置PyTorch环境。
二、准备阶段
在开始之前，我们需要先从NVIDIA官网下载最新的驱动程序，并确保我们的系统已更新到最新状态。我们还需要准备好所需的工具，如螺丝刀、显卡插槽固定螺丝等。
三、更换显卡
更换显卡的过程相对简单，只需要按照以下步骤进行：

1. 关闭计算机，拔掉电源线，确保安全。
2. 打开机箱，找到原来的显卡，并拔掉连接线。
3. 用螺丝刀拆下原来显卡的固定螺丝。
4. 拿起新的RTX 4090显卡，确保金手指与主板插槽完全吻合。然后插上连接线，旋紧固定螺丝。
5. 连接电源线，然后开机测试新显卡是否正常工作。
   四、安装驱动程序
   在确认新显卡正常工作后，我们就可以开始安装驱动程序了。
6. 访问NVIDIA官网，下载适用于Ubuntu 22.04的最新驱动程序。
7. 打开终端，进入下载的驱动程序目录，执行以下命令进行安装：

   sudo sh NVIDIA-Linux-x86_64-470.127.01.run

8. 按照提示完成驱动程序的安装过程。在安装过程中，系统可能会询问你是否同意许可协议，以及是否要安装最新的NVIDIA组件。选择同意并继续安装即可。
9. 安装完成后，重新启动计算机以确保驱动程序正常工作。
   五、配置PyTorch环境
   为了使用新显卡进行深度学习训练，我们还需要配置PyTorch环境。以下是详细的步骤：
10. 首先确保已经安装了Python和pip。可以通过以下命令检查：

    python --version
    pip --version

11. 使用以下命令安装PyTorch：

    pip install torch torchvision torchaudio -f https://download.pytorch.org/whl/cu113/torch_stable.html

    注意：上述命令中的cu113需要根据你的CUDA版本进行修改。如果你的CUDA版本是11.1，那么应该使用cu111。CUDA版本可以在终端输入nvcc —version查看。
12. 验证PyTorch是否正确安装：

    python -c "import torch; print(torch.__version__)"

    如果成功导入并打印出PyTorch的版本号，那么就说明安装成功。
13. 为了能够在新显卡上运行PyTorch程序，我们需要设置CUDA_VISIBLE_DEVICES环境变量，它指定了CUDA可以访问哪些GPU。例如：

    export CUDA_VISIBLE_DEVICES=0

    这将使CUDA只访问第一个GPU（索引为0）。如果你的系统中只有一个GPU，那么可以省略此步骤。如果你的系统中有多于一个的GPU，那么你可以通过运行nvidia-smi命令查看所有可用的GPU。