Ubuntu18.04+CUDA+CUDNN+Pytorch环境配置

CUDA

• 打开nvidia-smi查看当前显卡驱动版本号，根据版本号下载对应的CUDA
• CUDA官方下载链接为 https://developer.nvidia.com/cuda-toolkit-archive
• 直接wget下载即可
• 利用bash打开安装文件进行安装
• 其中在安装过程中会提示你安装选项，要将显卡驱动前面对应的X去掉，再进行安装

CUDNN

• 根据下载的CUDA版本，找到对应的CUDNN
• 其CUDNN下载需要登陆 链接为 https://developer.nvidia.com/rdp/cudnn-archive
• 下载cuDNN Library for Linux (x86_64)
• 对于下载下来的tgz压缩文件，利用tar -xzvf 解压
• 解压后将文件复制到安装cuda的文件夹中，例如：

sudo cp cuda/include/cudnn.h /usr/local/cuda-11.4/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-11.4/lib64
sudo chmod a+r /usr/local/cuda-11.4/include/cudnn.h /usr/local/cuda-11.4/lib64/libcudnn*

Conda

• 安装miniconda，链接为 https://conda.io/en/latest/miniconda.html
• 利用bash进行安装，安装时记得conda init选作yes（可选）
• 创建新环境

conda create -n my_py_env python=3.7

• 添加国内源，使用北外的源，最近觉得比较好用

conda config --set show_channel_urls yes
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/free/ 
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/main/ 
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/conda-forge/ 
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/bioconda/

• 根据pytorch官网安装，这里注意conda指令中 -c代表指定channel，如果用官网的指令，可能会走国外源

conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1

检查上述是否安装成功

• 进入conda环境后，进入python

import torch
print(torch.cuda.is_available())
from torch.backends import  cudnn 
print(cudnn.is_available())