Unbutu Nvidia驱动，Cuda，Cudnn，pytorch-gpu 安装

Unbutu 19.04 Nvidia驱动，Cuda，Cudnn，pytorch-gpu 安装

写博客之前，很感激一些大神愿意和我们分享他们的经验，在我配置环境时对我有所帮助，所以在这里我贴出他们的博客地址，也提供给大家参考

Ubuntu18.04上安装cuda10.0：

https://blog.csdn.net/tanmx219/article/details/86210023

Ubuntu18.04下安装深度学习框架Pytorch（GPU加速）：

https://blog.csdn.net/wuzhiwuweisun/article/details/82753403

下面是我一步步尝试成功后为大家总结的自己的一套步骤

1、检查硬件和驱动情况

检查驱动

sudo ubuntu-drivers list

检查cpu是否受支持

 lspci | grep -i nvidia

在接下来这个网页检查适合你显卡的驱动，你可以在这里直接下载，然后安装

当然你也可以选择下面的办法，不过驱动可能会没那么新。

https://www.nvidia.cn/Download/index.aspx?lang=cn

2、安装nvidia驱动

这一步并不需要单独安装驱动，那个不仅麻烦还容易把ubuntu玩崩。

首先打开ubuntu的菜单，选择软件与更新，点开附加驱动

接下来就可以选择适合自己的驱动了

当然如果想要安装最新的驱动当然可以去官网下载，不过会麻烦点。

https://www.nvidia.cn/Download/index.aspx?lang=cn

接着记得重启电脑！重启才会生效！

如果你这里显示没有驱动，请看这篇博客，博主很认真的把所有方式列出来了
https://blog.csdn.net/wf19930209/article/details/81877822

2.1、确认驱动安装情况

重启以后，输入指令，判断你的驱动是否安装成功

sudo nvidia-smi

显示这样就算成功

或者在设置的详细信息里面看

图形如果为GeForce就说明可以了。

3、Cuda，Cudnn安装

3.1、Anaconda版快捷安装

下面这一步可以直接安装最新的cuda和cudnn，在终端输入

conda install cudnn

这一步可以直接安装最新的cuda和cudnn

没有安装的可以先看看我写的Anaconda安装和配置环境变量的博客，后面的Pytorch官网其实是建议用conda安装的，建议大家先装Anaconda，很快的。

（不装Pytorch的可以忽略）

https://blog.csdn.net/weixin_43467711/article/details/100533231

如果上面的指令出错了请按下一个方法安装

3.2、官网下载普通安装

conda直接下载优点是很快捷，但有时候装完会不知所以，有时候。

所以我会介绍以下这个方法（以cuda 10.1为例，别的版本方法也一样）

3.2.1、cuda官网下载：

https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1804&target_type=runfilelocal

选择linux版本

虽然是19.04，但也可以选择18.04，然后得到

复制后在终端输入

wget http://developer.download.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda_10.1.243_418.87.00_linux.run

sudo sh cuda_10.1.243_418.87.00_linux.run

接下来会有几个选项

先输入确认

accept

接着enter取消Driver的安装（没有X就是不安装）

别的默认即可

一般来说在这里就安装好了，但是（重点来了！）

有些人可能会在这里遇到gcc不匹配的问题，据说cuda支持低版本gcc

但笔者以上两种安装方法试了都没遇上

所以这里是参考别的博主的方法给大家建议，顶部有链接，如果遇上失败那就试试手动降级

3.2.2、给gcc和g++降级（有需要的才看）

gcc和g++都得更换

sudo apt-get install gcc-4.8
sudo apt-get install g++-4.8

接着进入/usr/bin

 cd /usr/bin
 ls -l gcc*

我们在这一步会发现gcc版本是7.3，所以重新链接gcc的源

sudo mv gcc gcc.bak #备份
sudo ln -s gcc-4.8 gcc #重新链接

g++进行同样的操作

ls -l g++*
sudo mv g++ g++.bak #备份
sudo ln -s g++-4.8 g++ #重新链接

降级后再尝试上一步sudo sh cuda***.run，没有的话就下一步安装Cudnn

3.2.3、Cudnn加速框架官网下载：

先给出官方下载链接

https://developer.nvidia.com/rdp/form/cudnn-download-survey
这个似乎需要注册一个账户登陆，可能还需要才能下载？笔者不记得了，毕竟梯子一直挂着（误）

照着自己的cuda版本下载即可，下载后解压，得到的是cuda文件，接着打开文件，再开启终端

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

这样就可以安装啦！

3.3、配置环境变量

安装完成后需要将其加入环境变量，终端输入

sudo gedit ~/.bashrc

将以下变量粘贴到最后

export PATH="/usr/local/cuda-10.1/bin:$PATH"                         #根据自己的文件名来
export LD_LIBRARY_PATH="/usr/local/cuda-10.1/lib64:$LD_LIBRARY_PATH"

然后使其生效

source ~/.bashrc 

3.4、验证Cuda、Cudnn成功

首先检查 CUDA Toolkit是否安装成功

nvcc -V

能显示出这样的信息就意味着可以了

当然还有别的验证手段，不放心可以双重验证下

4、pytorch-gpu（官网建议Anaconda安装）

我是照着官方github来的，先贴上pytorch的GitHub官网，教程请翻到下面：

https://github.com/pytorch/pytorch

pytorch官网已经推荐了使用conda进行安装，因为这样会更加稳定，下载不会报依赖的错误。

4.1、安装依赖项

所有系统共同的

conda install numpy ninja pyyaml mkl mkl-include setuptools cmake cffi typing

在linux上添加gpu支持

conda install -c pytorch magma-cuda101                             ＃或[magma-cuda92 ]取决于你的cuda版本

4.2、获取PyTorch源代码

git clone --recursive https://github.com/pytorch/pytorch

cd pytorch
git submodule sync
git submodule update --init --recursive

4.3、安装

首先打开环境变量，添加环境

sudo gedit ~/.bashrc
export CMAKE_PREFIX_PATH=${CONDA_PREFIX:-"$(dirname $(which conda))/../"}
source ~/.bashrc									

最激动人心的一步来了：

python setup.py install

显示没有cmake的话那就安装cmake

sudo apt install cmake

在这里，你可能需要等上两三个小时，cpu占用率基本100%，但是最后的等待是值得的

安装完成后怎么验证呢？

终端输入

python

进入python编译环境后

import pytorch
import torch as t
print(t.cuda.is_available())
#如果最后返回True，说明pytorch_gpu安装成功了

如果失败了，也别气磊，只要确认cuda和cudnn已经安装好了，那么pytorch的安装就可以多次重复安装

如果你根据这套教程装好了pytorch或者你觉得对你有所帮助，可以收藏作为参考。