- 1、下载
- 2、解压
- 3、填加环境变量
很多情况下，使用深度学习多GPU训练需要使用nccl，这里介绍最简单的待安装机器无法联网的安装方法，且安装包与系统版本无关，只与cuda版本有关。更多内容参见nccl 官网 1、下载
根据需要选择具体的架构，我们这里先x86,接着选与系统无关的那个：
下载好的文件是nccl_2.8.4-1+cuda11.2_x86_64.txz 这样一个以txz结尾的文件
2、解压tar xvf nccl_2.8.4-1+cuda11.2_x86_64.txz
解压后，里边两个文件夹 include 和 lib
3、填加环境变量vim ~/.bashrc
在最后加上：
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/where_your_path/nccl_2.8.4-1+cuda11.2_x86_64/include/:/where_your_path/nccl_2.8.4-1+cuda11.2_x86_64/lib
即可。
如果要安装给所有人用，可以将nccl_2.8.4-1+cuda11.2_x86_64文件夹拷到/usr/local下。
安装好以后，conda 环境，virtualenv等环境下都是可以用的。要注意的是，conda环境中有自己的cuda和cudnn,选择nccl对应版本时要按照conda环境中的cuda版本来进行处理
对于paddle可以输入：
import paddle paddle.utils.run_check()
会返回所有可用gpu数量。
