Ubuntu16.04超低配版显卡GTX730配置pytorch-gpu+cuda9.0+cudnn

一、前言

今天闲来无事配置了一下超低配显卡GTX730，我想都是显卡说不定也能用cuda+cudnn呢，结果上nvidia官网一查，果不其然，有我大GTX730^_^，那我的730也能用cuda 了。

• 网上介绍安装cuda+cudnn+pytorch/tensorflow/caffe的博文特别多，我写的这篇不是说我的方法多好，只是想告诉大家装cuda+cudnn最好的方式是去nvidia的官网查看英文的安装教程，所以看到这你可以不用往下看了，自己查阅英文的文献来安装吧！什么?!英文看不懂?你把google翻译放哪了？
• 我之所以写这篇博文是启备忘录的作用

二、安装cuda9.0

按照cuda安装教程 来一步步安装

1. 检查安装的条件
   
   • lspci | grep -i nvidia 检查GPU是否支持cuda运算
   • uname -m && cat /etc/*release 确保你的系统支持cuda
   • gcc --version 确保你已安装gcc
   • uname -r 确保你的kernel版本满足安装需求（ubuntu16.04要求最低4.4)

2. 安装cuda：
   在官网下载cuda9.0，根据自己的系统选择项应的选项，建议最后选择的安装方式是deb(network),感觉比较简单，选择完之后下面就会给出安装的指令，很简单。需要注意的是，这种安装方式不需要你手动安装驱动，它会帮你安装上的。

   sudo dpkg -i cuda-repo-ubuntu1604_9.1.85-1_amd64.deb
   sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/7fa2af80.pub
   sudo apt-get update
   sudo apt-get install cuda

3. 添加环境变量

   • 我用的shell是zsh，所以要在.zshrc中添加如下， 保存完最后记得source一下

     export    LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:/usr/local/cuda-9.0/extras/CUPT/lib64:$LD_LIBRARY_PATH
     export     CUDA_HOME=/usr/local/cuda-9.0
     export     PATH=/usr/local/cuda-9.0/bin:$PATH

   • 用的shell是bashrc的，就在.bashrc中添加

4. 测试cuda

   • 输入nvidia-smi，有GPU显示的信息，成功
   • cd /usr/local/cuda/samples/1_Utilities/deviceQuery，sudo make，`./deviceQuery，依次执行，没有报错，成功

三、安装cudnn

1. 去cudnn官网下载对应的版本

2. 解压下载的文件，然后按下面命令复制到cuda目录
   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*


四、安装pytorch-gpu

很简单，直接去官网下载，有详细说明，pytroch官网

五、总结

• 我跑了一个两层的CNN，数据用的mnist，一开始跑不了，内存爆了……正当我放弃的时候，试了试把batchsize调小一点，把测试的数据集也调小，结果就成了^_^
• 听别人说装cuda+tensorflow/caffe很多坑，网上的博文也很多，当自己照着官方文档安装时发现并没有很多坑。所以，一开始我就说了，尽量不要参考我的博文，我只是记下来当个备忘录的作用，以后尽量参考官方文档的好，共勉