Я пытаюсь установить Факел, но я продолжаю получать это каждый раз, когда я работаю на второй команде torch.ch/docs/getting-started.html#.The сначала, каждый хорошо работает как бы то ни было.
test@test-VirtualBox~$ cd ~/torch; bash install deps;
Get:1 http://security.ubuntu.com/ubuntu cosmic-security InRelease [79.6 kB]
Hit:2 http://us.archive.ubuntu.com/ubuntu cosmic InRelease
Get:3 http://us.archive.ubuntu.com/ubuntu cosmic-updates InRelease [83.2 kB]
Hit:4 http://ppa.launchpad.net/webupd8team/java/ubuntu cosmic InRelease
Hit:5 http://us.archive.ubuntu.com/ubuntu cosmic-backports InRelease
Fetched 163 kB in 2s (82.8 kB/s)
Reading package lists... Done
Updated successfully.
Reading package lists... Done
Building dependency tree
Reading state information... Done
Package python-software-properties is not available, but is referred to by another package.
This may mean that the package is missing, has been obsoleted, or
is only available from another source
However the following packages replace it:
software-properties-common
E: Package 'python-software-properties' has no installation candidate
Я запускаю Ubuntu 18.10. Я буквально использовал Ubuntu в течение, возможно, двух дней, и я понятия не имею, что я делаю. Я искал везде некоторое время теперь, и я не могу найти решение, которое работает, я попробовал
sudo apt-get install software-properties-common
но это не работало.
Проверьте на версию драйвера NVIDIA.
Первая вещь, которую необходимо проверить, состоит в том, что Вам установили драйвер Nvidia для Вашей видеокарты. Ваша видеокарта должна поддерживать, по крайней мере, NVIDIA, вычисляют 3.0 для установки tensorflow-gpu.
Можно проверить, какой графический драйвер Вы установили использование nvidia-smi
.You должен видеть некоторый вывод как следующее:
nvidia-smi
Установите инструментарий CUDA 9.0.
Посетите https://developer.nvidia.com/cuda-toolkit-archive и захватите загрузку runfile для Ubuntu 17.04. В то время как это для другой версии Ubuntu, можно заставить ее устанавливать то, в чем Вы нуждаетесь. Необходимо будет перейти к странице архива загрузок прежней версии для нахождения версии 9.0. Иначе необходимо будет добавить ppa:graphics-drivers/ppa к источникам программного обеспечения, работать sudo apt update
, установите nvidia-driver-410, и затем можно установить Инструментарий CUDA 10.0 вместо Инструментария CUDA 9.0.
Нажмите на следующую ссылку: Инструментарий CUDA 9.0 Загрузок
После того как Вы имеете тот файл, перешли туда, где файл был загружен в Вашем терминале, и проверьте, что у Вас есть те же файлы следующим образом:
$ ls cuda_9.0.176.1_linux.run cuda_9.0.176.2_linux.run cuda_9.0.176.3_linux.run cuda_9.0.176_384.81_linux.run
Затем выполните следующие команды.
sudo chmod +x cuda_9.0.176_384.81_linux.run
./cuda_9.0.176_384.81_linux.run --override
Примите положения и условия, скажите да установке с неподдерживаемой конфигурацией, нет для "Установки NVIDIA Ускоренный Графический драйвер для Linux-x86_64 384.81?".
Удостоверьтесь, что Вы не соглашаетесь установить новый драйвер. По моему опыту, выполнение так часто приводит к проблемам неустойчивости системы. Следуйте за подсказками для установки инструментария с помощью местоположений установки по умолчанию.
Также примените обеспеченные патчи.
sudo chmod +x cuda_9.0.176.1_linux.run
sudo chmod +x cuda_9.0.176.2_linux.run
sudo chmod +x cuda_9.0.176.3_linux.run
./cuda_9.0.176.1_linux.run
./cuda_9.0.176.2_linux.run
./cuda_9.0.176.3_linux.run
Установите CUDNN 7.1.4.
Необходимо войти в использование учетная запись Nvidia для загрузки этого. Не стесняйтесь подписываться и затем загружать.
Посетите https://developer.nvidia.com/rdp/cudnn-download для получения CUDNN 7.1. Перейдите к загрузкам, архивируют страницу снова и находят версию 7.1 для CUDA 9.0, который Вы просто установили. Загрузите ссылку, в которой говорится что библиотека cuDNN v7.1.4 для Linux. Это загрузит архив, что можно распаковать и переместить содержание корректные местоположения.
Существует много опций на странице загрузок архива для CUDNN. Получите Библиотеку для файла Linux для CUDA 9.0.
После того, как загруженный, распакуйте архив и переместите его содержание в каталог, где Вы установите CUDA 9.0:
tar -zxvf cudnn-9.0-linux-x64-v7.1.tgz # unpack the archive
Переместите распакованное содержание в свой каталог CUDA.
sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda-9.0/lib64/
sudo cp cuda/include/cudnn.h /usr/local/cuda-9.0/include/
Дайте доступ для чтения всем пользователям.
sudo chmod a+r /usr/local/cuda-9.0/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
Установка libcupti.
sudo apt install libcupti-dev
Таким образом, TensorFlow может найти Вашу установку CUDA и использовать ее правильно, необходимо добавить эти строки в конец Вашего ~/.bashrc
или ~/.zshrc
.
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
Перезапустите свой терминал прежде, чем продолжиться к следующему шагу или сделайте source ~/.bashrc
Наконец устанавливать выполненный tensorflow-gpu:
sudo apt install python-pip python3-pip
pip install --upgrade tensorflow-gpu
Я рекомендую установить TensorFlow в virtualenv для предотвращения необходимости небрежно обращаться с системой с пакетами Python. Официальные инструкции по установке TensorFlow дают различные варианты, таким образом, можно выбрать что работы лучше всего для Вас. Если Вы выбираете маршрут virtualenv, я настоятельно рекомендую использование virtualenvwrapper, который делает использование virtualenv намного легче.
Можно теперь протестировать все работавшее путем открытия нового интерпретатора Python с python
и выполнение следующих команд:
from tensorflow.python.client import device_lib
device_lib.list_local_devices()
Если все хорошо работало, Вы будете видеть свой GPU, перечисленный как часть вывода как это:
[name: "/device:CPU:0"
device_type: "CPU"
memory_limit: 268435456
locality {
}
incarnation: 182532294431716449, name: "/device:GPU:0"
device_type: "GPU"
memory_limit: 10498270823
locality {
bus_id: 1
links {
link {
device_id: 1
type: "StreamExecutor"
strength: 1
}
}
}
incarnation: 14673206105771676974
physical_device_desc: "device: 0, name: GeForce GTX 1080 Ti, pci bus id: 0000:01:00.0, compute capability: 6.1", name: "/device:GPU:1"
device_type: "GPU"
memory_limit: 10917150720
locality {
bus_id: 1
links {
link {
type: "StreamExecutor"
strength: 1
}
}
}
incarnation: 16384320033882398672
physical_device_desc: "device: 1, name: GeForce GTX 1080 Ti, pci bus id: 0000:02:00.0, compute capability: 6.1"]
Эта веб-страница имеет несколько интерактивных учебных руководств TensorFlow, которые могут выполнить код TensorFlow в веб-браузере.
Дополнительно, если Вы используете зернышко
pip3 install https://files.pythonhosted.org/packages/d3/91/1b2871d6c8ca079254deae5872af32e02e9a85f07dd0834e8b3489ce138f/torch-0.4.1.post2-cp37-cp37m-manylinux1_x86_64.whl
pip3 install torchvision
Если вышеупомянутая связь для загрузки факела разорвана, обновите его к текущей ссылке путем следования инструкциям в этом ответе.
Можно теперь протестировать PyTorch путем открытия нового интерпретатора Python с python3
и выполнение следующих команд:
import torch
torch.cuda.is_available()
# True
import torch
torch.cuda.get_device_name(0)
# 'GeForce GTX 1080 Ti'
import torch
torch.cuda.device_count()
# 2
Источник: обновленный от Установки Tensorflow, PyTorch в Ubuntu 18.04 LTS с Cuda 9.0
Откройте файл "установки-deps" в папке Torch. Перейдите к строке 178. Изменение sudo apt-get install -y python-software-properties
кому: sudo apt-get install -y software-properties-common
Работавший для меня.