Python 如何在Google Colab GPU中安装CUDA

谷歌Colab GPU似乎没有附带CUDA工具包，如何在谷歌Colab GPU中安装CUDA。我在Google Colab中安装mxnet时遇到了这个错误

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。 请确保已安装CUDA并在中运行以下行 请关闭您的终端，然后重试：

根据您的CUDA版本“cu75”和“cu80”调整“cu90” 也可提供。 您还可以通过调用turicreate.config.set\u num\u gpus0来完全禁用GPU使用。 发生异常，请使用%tb查看完整回溯

到这里： 选择Linux->x86\u 64->Ubuntu->16.04->deb local 从下载按钮复制链接。 现在您必须编写命令序列。第一个是调用wget，从步骤3中保存的链接下载CUDA安装程序 基本安装程序部分将提供安装说明。也可以复制它们，但是从所有行中删除sudo。 在每行前面加上！，插入单元格并运行 对我来说，命令顺序如下： !wgethttps://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键添加/var/cuda-repo-9-2-local/7fa2af80.pub !更新源 !apt获取并安装cuda 现在终于可以安装mxnet了。由于我上面安装的cuda版本是9.2，我不得不勉强更改您的命令：！pip安装mxnet-cu92 已成功安装graphviz-0.8.3 mxnet-cu92-1.2.0

---

如果您切换到使用GPU，那么CUDA将在您的虚拟机上可用。基本上，您需要做的是将MXNet的版本与已安装的CUDA版本相匹配

以下是我用来在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_版本8.0

然后我安装了带有

!pip install mxnet-cu80

---

我认为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和更高版本是行不通的

有关更多信息，您可以查看以下两个网站：

---

要在Colab中运行，需要CUDA 8 mxnet 1.1.0，因为CUDA 9+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代码如下：

我非常相信Google Colab已经预装了Cuda。。。您可以打开一个新的笔记本并键入！nvcc-返回已安装Cuda版本的版本

这是我的：

---

您的笔记本上没有显示Cuda，因为您尚未在Colab中启用GPU

Google Colab同时提供GPU和不带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.

将硬件加速更改为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。您也可以看到CUDA版本

之后，要检查PyTorch是否能够使用GPU，请运行以下代码

进口火炬 torch.cuda.U是否可用 若Pytorch使用GPU，则输出为真，否则为假。 要检查TensorFlow是否能够使用GPU，请运行以下代码

导入tensorflow作为tf tf.test.gpu\u设备\u名称 标准输出为“/设备：GPU:0”

---

有一个例子清楚地解释了如何在Colab中启用Cuda。

我今天试着安装它，注意到操作系统已经更新到Ubuntu 18.04。你可以用它来检查！lsb_释放-一个命令。还有Cuda 10.0可用。@Dienow:在执行第7步之后，我尝试了！nvcc-version和版本似乎仍然是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。另外，在mxnet网站上，它说要安装cudnn 7.4.1，我尝试过安装它，但my.tgz在尝试使用tar xvzf cudnn-9.2-linux-x64-v7.1.tgz解压时显示错误。它以错误tar退出：由于以前的错误而以失败状态退出。此外，我同意阿卡什的评论。在18.04存在。所以mxnet cuXX处理cuda依赖项的完整安装？这不是一个充分条件。使用PyTorch，运行以下代码时，我得到False:torch.cuda.is\u可用。需要更改运行时以包含GPU。也许这会对您有所帮助@coder.in.me：如果您想访问CUDA工具包来构建和安装软件包，这是一个充分的条件，这是一个实际的问题。这个问题的整个前提是错误的。Colab实例由完整的CUDA工具包提供。什么版本可能因您使用的硬件而异。在任何库存实例上，您都可以运行nvcc以查看已为您配置了哪个工具包版本

Go to Menu > Runtime > Change runtime.

!nvidia-smi