如何在 Google Colab GPU 中安装 CUDA答案

【问题标题】：How to install CUDA in Google Colab GPU's如何在 Google Colab GPU 中安装 CUDA
【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，我如何在 Google Colab GPU 中安装 CUDA。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

标签： python machine-learning cuda google-colaboratory turi-create

【解决方案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】：

【解决方案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。 stackoverflow.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

【解决方案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。

【解决方案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】：

【解决方案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？

【解决方案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】：

【解决方案7】：

有一个guide 清楚地解释了如何在 Colab 中启用 Cuda。

【讨论】：