Ubuntu18.04 RTX2070 显卡驱动、Cuda、cudnn和Pytorch深度学习环境配置——亲测可用
这篇博文的主要目的是记录我在Ubuntu18.04下配置深度学习环境的过程，方便自己以后配置的需求，也供大家参考，减少跳坑，虽然我主要是在Ubuntu18.04下实践的，但经过在Ubuntu16.04下测试，也基本上没有什么问题，大家可以放心参考。
电脑环境说明：
- 系统：Ubuntu18.04 LTS
- 显卡：RTX 2070 Super
- cuda：10.1
- cudnn：7.6.5
说明：
一些重要的步骤安装完成后都提供了测试方法，最好进行测试，确认安装成功，以免在后续的安装和使用过程中出现问题。
文章目录
- 1、依赖项安装
- 2、显卡驱动安装
- 测试
- 问题解决
- 3、cuda安装
- cuda卸载方法
- 修改bashrc文件
- 测试
- 4、cudnn安装
- 5、Pytorch安装
- 测试
- 说明
- 参考
1、依赖项安装
$ sudo apt-get update
$ sudo apt-get upgrade
$ sudo apt-get install build-essential cmake unzip pkg-config libxmu-dev libxi-dev libglu1-mesa libglu1-mesa-dev libjpeg-dev libpng-dev libtiff-dev libavcodec-dev libavformat-dev libswscale-dev libv4l-dev libxvidcore-dev libx264-dev libgtk-3-dev libopenblas-dev libatlas-base-dev liblapack-dev gfortran libhdf5-serial-dev python3-dev python3-tk python-imaging-tk
2、显卡驱动安装
查看自己的显卡支持的驱动版本：
网站1，这个比较全
网站2：GeForce显卡
我一般是直接在软件和更新-》附加驱动中选择系统推荐的显卡驱动进行安装即可：
勾选需要的显卡驱动版本之后，点击应用更改后，会自动联网下载该版本驱动进行安装。
另一种方法：
如果你想安装的驱动版本附加驱动中没有列出，你可以终端自行安装：
$ sudo add-apt-repository ppa:graphics-drivers/ppa
$ sudo apt-get update
查看已经下载的驱动版本：
sudo apt-cache search nvidia-*
进行驱动安装：
$ sudo apt install nvidia-driver-396
or
$ sudo apt install nvidia-396
然后进行重启，不重启直接执行nvidia-smi可能会报错：
$ sudo reboot now
方法三：
从驱动网站下载最新版驱动程序文件，一般是.run格式文件，然后执行：
sudo chmod a+x NVIDIA-*.run
然后最好在非图形化界面下进行安装，可以灵活设置安装选项，避免安装完后系统重复登录：
测试
安装显卡驱动后一般需要重启电脑，然后打开一个终端，执行：
nvidia-smi
会出现如下结果：
Mon Apr 6 09:49:06 2020
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 430.50 Driver Version: 430.50 CUDA Version: 10.1 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 GeForce RTX 2070 Off | 00000000:01:00.0 On | N/A |
| 0% 51C P8 33W / 175W | 981MiB / 7979MiB | 1% Default |
+-------------------------------+----------------------+----------------------+
+-----------------------------------------------------------------------------+
| Processes: GPU Memory |
| GPU PID Type Process name Usage |
|=============================================================================|
| 0 1273 G /usr/lib/xorg/Xorg 24MiB |
| 0 1350 G /usr/bin/gnome-shell 50MiB |
| 0 1623 G /usr/lib/xorg/Xorg 475MiB |
| 0 1798 G /usr/bin/gnome-shell 256MiB |
| 0 4371 G ...uest-channel-token=17005436335969556960 73MiB |
| 0 8532 G ...quest-channel-token=4090069519898305589 98MiB |
+-----------------------------------------------------------------------------+
就说明成功安装好显卡驱动了。
问题解决
1、Failed to initialize NVML: Driver/library version mismatch错误
如果执行nvidia-smi命令出现Failed to initialize NVML: Driver/library version mismatch错误，一般是显卡驱动加载异常导致，最快的解决方案是重启电脑。
3、cuda安装
注意下载与GPU驱动版本对应的cuda版本。我的RTX2070需要的是cuda10.0以上的cuda，我下载的是cuda 10.1。
cuda 10.0版本已经不需要更改系统gcc版本为gcc 6的版本了，直接下载run文件（我一般下载run文件，可以比较灵活的进行配置，当然下载deb文件也是可以的），下载界面都会直接提示安装方法：
所有版本的cuda下载地址为：https://developer.nvidia.com/cuda-toolkit-archive
下载完成后执行：
sudo chmod +x cuda_10.1.168_418.67_linux.run
sudo sh cuda_10.1.168_418.67_linux.run
需要等待一段时间，然后出现界面：
输入accept，回车，出现界面：
这个界面要注意，因为我们之前已经安装过显卡驱动了，因此此处应该取消勾选Driver，方法是使用上下方向键选择Driver，然后回车即可，最后选到Install，进行安装。
如果没有取消勾选Driver，则在安装完成的最后会提示：
Completed with errors. See log at /var/log/cuda-installer.log for details
安装完成后会提示Successfully。
cuda卸载方法
如果你之前安装过cuda其他版本，或者安装cuda最后出现了失败，在重新安装之前最好卸载之前安装的cuda，卸载方法网上有很多，其实cuda自带了卸载文件，该卸载文件为/usr/local/cuda/bin/cuda-uninstaller，所以你只需要cd到该路径，执行该文件即可卸载干净cuda了：
$ cd /usr/local/cuda/bin
$ sudo ./cuda-uninstaller
对于cuda 9.*版本的cuda，卸载文件是/usr/local/cuad/bin/uninstall_cuda_9.0.pl，执行方法同上。
卸载完cuda之后，因为可能还装了cudnn，所以cuda的文件夹可能还没删除干净，执行：
sudo rm -rf cuda-9.0
即可，请注意修改为你的实际cuda版本文件夹名。
修改bashrc文件
打开bashrc文件，末尾加入：
# NVIDIA CUDA Toolkit
export PATH=/usr/local/cuda-10.1/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64
测试
打开一个终端，输入：
source ~/.bashrc
nvcc -V
出现结果：
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2019 NVIDIA Corporation
Built on Fri_Feb__8_19:08:17_PST_2019
Cuda compilation tools, release 10.1, V10.1.105
说明安装成功。
4、cudnn安装
下载地址：https://developer.nvidia.com/rdp/cudnn-download
需要注册，可以用QQ登录。注意下载与自己的cuda版本对应的cudnn版本。
选择如下文件：
cudnn的安装其实就是复制一些库文件和头文件到cuda中：
下载后解压缩，然后复制文件即可:
tar -zxf cudnn-10.1-linux-x64-v7.6.5.32.tgz
cd cuda
sudo cp -P lib64/* /usr/local/cuda/lib64/
sudo cp -P include/* /usr/local/cuda/include/
5、Pytorch安装
参考网址：https://pytorch.org/
安装命令：
pip3 install torch torchvision
如果你没有pip3，需要进行安装：
sudo apt-get install python3-pip
测试
测试之前需要重启一下电脑，然后执行：
python
import torch
print(torch.cuda.is_available())
返回为True，则说明Pytorch此时已经能够调用GPU了。
说明
如果你在使用Pytorch过程中出现类似：
RuntimeError: CUDA error: invalid argument
的错误，建议你安装Pytorch的时候选择安装包含cuda编译的版本，安装命令如下：
pip install torch==1.3.0+cu100 torchvision==0.4.1+cu100 -f https://download.pytorch.org/whl/torch_stable.html
上述命令就能下载支持cuda10.0的Pytorch，其中cu100表示cuda 10.0。
其他完整版本：
torch版本：
from versions: 0.1.2, 0.1.2.post1, 0.1.2.post2, 0.3.0.post4, 0.3.1, 0.4.0, 0.4.1, 1.0.0, 1.0.1, 1.0.1.post2, 1.1.0, 1.2.0, 1.2.0+cpu, 1.2.0+cu92, 1.3.0, 1.3.0+cpu, 1.3.0+cu100, 1.3.0+cu92, 1.3.1, 1.3.1+cpu, 1.3.1+cu100, 1.3.1+cu92, 1.4.0, 1.4.0+cpu, 1.4.0+cu100, 1.4.0+cu92, 1.5.0, 1.5.0+cpu, 1.5.0+cu101, 1.5.0+cu92
torchvision版本：
from versions: 0.1.6, 0.1.7, 0.1.8, 0.1.9, 0.2.0, 0.2.1, 0.2.2, 0.2.2.post2, 0.2.2.post3, 0.3.0, 0.4.0, 0.4.0+cpu, 0.4.0+cu92, 0.4.1, 0.4.1+cpu, 0.4.1+cu100, 0.4.1+cu92, 0.4.2, 0.4.2+cpu, 0.4.2+cu100, 0.4.2+cu92, 0.5.0, 0.5.0+cpu, 0.5.0+cu100, 0.5.0+cu92, 0.6.0, 0.6.0+cpu, 0.6.0+cu101, 0.6.0+cu92
也可以从网站：https://download.pytorch.org/whl/cu100/torch_stable.html
直接下载wheel文件进行pip install安装，要注意cp35表示支持python3.5版本，版本要对应上才行。
参考
- https://www.pyimagesearch.com/2019/01/30/ubuntu-18-04-install-tensorflow-and-keras-for-deep-learning/
- https://blog.csdn.net/qq_41931821/article/details/89239388