اگه شما هم مثل من با معماری ویندوز خیلی حال نمیکنید و لینوکس رو ترجیح میدین و همچنین تازه می خواین هوش مصنوعی رو شروع کنید با این آموزش همراه باشید.
قبل از شروع آموزش بگم که بدلیل توضیحات کافی در داکیومنت های موجود از بیان جزییات پرهیز شده و صرفا کلیات رو بیان می کنم و شما رو به همون لینک های موجود پاس خواهم داد :)
ساده ترین قسمت کار همینجاست! به لینک زیر مراجعه کنید و خودش ریزدسته بندی داره و میتونید درایور متناسب با نیاز خودتون رو دانلود و نصب کنید.
https://www.nvidia.com/download/index.aspx?lang=en-us
میتونید با کامند زیر از نصب بودن کارت گرافیک خود اطمینان حاصل کنید:
$ nvidia-smi
به لینک زیر مراجعه کرده و فایل مطابق با نیاز خودتون رو دانلود کنید. آموزش نصبش هم توی همین لینک هست!
https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1804&target_type=deblocal
* فقط نکته ای که داشت... نسخه local اش برای من به مشکل خورد (دانلود شد ولی میگفت فایل خراب شده موقع دانلود!) لذا پیشنهاد میکنم از همون اول خیلی مسالمت آمیز از نسخه network استفاده کنید :)
میتونین ورژنی که نصب میشه رو با کامند زیر چک کنید (بعدا لازمش داریم!):
$ /usr/local/cuda/bin/nvcc --version
برای این کار نیاز دارید حتما ثبت نام کنید! به لینک زیر برای دانلود فایل مورد نیاز مراجعه کنید.
https://developer.nvidia.com/rdp/cudnn-download
و در لینک زیر هم آموزش نصب و راه اندازیش هست.
https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html
اون ورژن CUDA رو اینجا لازم داریم. همونطور که در لینک راهنمای نصب هم توضیح داده شده باید بجای x.x.x ها ورژن CUDA رو جایگزین کنید و بجای X.Y ورژن cuDNN ای که دانلود و نصب میکنید را جایگزین نمایید.
کامند زیر که در بالاتر هم معرفیش کردم در واقع پروسس هایی رو نشون میده که دارند از کارت گرافیکتون استفاده میکنن. میتونین یه آموزش سنگین با تنسورفلو ران کنید و تو یه شل دیگه این کامند رو بزنید تا متوجه بشید که گرافیکتون درگیر اون پروسس شده یا نه.
$ nvidia-smi
یک نکته خیلی مهم مَچ بودن ورژن cuda, cudnn, tensorflow هست که داخل داکیومنت تنسور فلو میتونین این مهم رو دریابید! این لینک:
و توصیه میکنم هیچ وقت از آخرین نسخه ها استفاده نکنید :|
