Question

似乎Google Colab GPU并没有配备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：用于利用GPU进行计算的不完整安装。请确保已安装CUDA并运行以下行你的终端再试一次：

pip uninstall -y mxnet && pip install mxnet-cu90==1.1.0

调整＆＃39; cu90＆＃39;取决于您的CUDA版本（＆＃39; cu75＆＃39;＆＃39; cu80＆＃39;是也提供）。您还可以通过调用turicreate.config.set_num_gpus（0）来完全禁用GPU使用。发生异常，使用％tb查看完整的回溯。

SystemExit: 1

Answer 1

由于未在Colab中启用GPU，Cuda未显示在笔记本上。

Google Colab随附有GPU选项或不具有GPU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，则表明您的GPU和cuda正在工作。您也可以看到cuda版本。

之后，要检查PyTorch是否可以使用GPU，请运行以下代码。

import torch
torch.cuda.is_available()
# Output would be True if Pytorch is using GPU otherwise it would be False.

要检查TensorFlow是否可以使用GPU，请运行以下代码。

import tensorflow as tf
tf.test.gpu_device_name()
# Standard output is '/device:GPU:0'

Answer 2

转到此处：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中保存的链接中下载CUDA安装程序。
“基本安装程序”部分下将提供安装说明。也复制它们，但从所有行中删除sudo。
在每行前面加上带有!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。由于我在上面安装的cuda版本是9.2，因此我不得不稍稍更改您的命令：!pip install mxnet-cu92
Successfully installed graphviz-0.8.3 mxnet-cu92-1.2.0

Answer 3

我几乎相信Google Colab已预先安装了Cuda ...您可以通过打开一个新笔记本并键入!nvcc --version来确定，这将返回已安装的Cuda版本。

这是我的：

Answer 4

如果切换到使用GPU，则CUDA将在您的VM上可用。基本上，您需要做的就是将MXNet的版本与已安装的CUDA版本进行匹配。

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

Answer 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其是否有效：

a = mx.nd.ones((2, 3), mx.gpu())
b = a * 2 + 1
b.asnumpy()

我认为colab目前仅支持cu80，更高版本将不起作用。

有关更多信息，您可以访问以下两个网站：

快乐编码：D

Answer 6

要在Colab中运行，您需要CUDA 8（CUDA 9+的mxnet 1.1.0损坏）。但是Google Colab现在可以运行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

Answer 7

有一个guide清楚地说明了如何在Colab中启用Cuda。