Ubuntu系统下用不了GPU怎么办？

Question

Traceback (most recent call last):
  File "/media/lmy/One Touch/weather4cast/weather4cast-2022-main/train.py", line 199, in <module>
    main()
  File "/media/lmy/One Touch/weather4cast/weather4cast-2022-main/train.py", line 193, in main
    train(params, options.gpus, options.checkpoint)
  File "/media/lmy/One Touch/weather4cast/weather4cast-2022-main/train.py", line 148, in train
    trainer, checkpoint_callback = get_trainer(gpus, config)
  File "/media/lmy/One Touch/weather4cast/weather4cast-2022-main/train.py", line 124, in get_trainer
    trainer = pl.Trainer(gpus=gpus, max_epochs=max_epochs,
  File "/home/lmy/anaconda3/envs/weather4cast/lib/python3.8/site-packages/pytorch_lightning/utilities/argparse.py", line 345, in insert_env_defaults
    return fn(self, **kwargs)
  File "/home/lmy/anaconda3/envs/weather4cast/lib/python3.8/site-packages/pytorch_lightning/trainer/trainer.py", line 433, in __init__
    self._accelerator_connector = AcceleratorConnector(
  File "/home/lmy/anaconda3/envs/weather4cast/lib/python3.8/site-packages/pytorch_lightning/trainer/connectors/accelerator_connector.py", line 212, in __init__
    self._set_parallel_devices_and_init_accelerator()
  File "/home/lmy/anaconda3/envs/weather4cast/lib/python3.8/site-packages/pytorch_lightning/trainer/connectors/accelerator_connector.py", line 529, in _set_parallel_devices_and_init_accelerator
    raise MisconfigurationException(
pytorch_lightning.utilities.exceptions.MisconfigurationException: CUDAAccelerator can not run on your system since the accelerator is not available. The following accelerator(s) is available and can be passed into `accelerator` argument of `Trainer`: ['cpu'].

目前是在Ubuntu系统下跑程序，出现这个错误，我不是很明白如何去解决，我在终端中检查cuda是已经安装好的并且显示true，cudnn.h也是安装好的，为什么跑程序就显示用不了呢？cuda版本是10.2.

Answer 1

• 这有个类似的问题, 你可以参考下: https://ask.csdn.net/questions/7763000
• 这篇博客你也可以参考下：在ubuntu下利用cuda的GPU编程之旅（1）
• 除此之外, 这篇博客: 如何在服务器上完全离线配置CUDA环境中的 如何在服务器上离线配置CUDA环境 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  
• • • 查看显卡驱动以及适配的最高CUDA版本
    • 下载Miniconda对应的安装包
    • 安装Anaconda or Miniconda
    • 测试conda命令
    • 为Miniconda写入清华镜像
    • 为pip写入镜像并且设置延迟时间
    • 离线创建虚拟环境+修改虚拟环境的python版本
    • 激活环境
    • 安装cudatoolkit cudnn和mkl
    • 安装PyTorch or TensorFlow
    • 测试GPU环境

• 您还可以看一下 阿勒拉哈老师的深度学习快速入门课程中的 GPU与CUDA小节, 巩固相关知识点
  
• 以下回答由chatgpt基于相关博客总结生成:

  针对无法使用GPU的问题，可以尝试以下解决方案：

  1. 确认GPU是否驱动成功，可以使用nvidia-smi命令查看当前GPU的状态，如果没有显示则需要检查驱动是否安装成功。

  2. 确认cuda和cudnn是否安装成功，可以使用查看版本的命令，如/usr/local/cuda/version.txt，或者nvcc -V命令。同时也需要设置环境变量，将cuda添加到PATH中。

  3. 确认tensorflow-gpu是否安装成功，可以使用conda install tensorflow-gpu命令安装，同时也需要安装对应的cudatoolkit和cudnn。

  4. 如果存在多个版本的cuda，可以通过更改环境变量切换CUDA版本。同时如果需要安装cuDNN，可以下载对应版本后进行安装，在安装过程中需要将相关文件复制到cuda的安装目录下，并设置目录和文件的权限。

  综上所述，针对无法使用GPU的问题，需要逐一检查以上几个步骤是否都被正确执行，如果有任何一个步骤存在问题都可能导致无法使用GPU。