【MVP】深度学习框架Pytorch环境搭建 Ubuntu18.04+Anaconda+CUDA+cuDNN
1. 安装GPU驱动
首先，检查一下计算机有没有可用的GPU。用ubuntu的 lspci 命令看一下PCI总线上有没有挂载能用的GPU。如果啥提示都没有–就悲剧了。还有需要注意，VMware 的虚拟机是用不了计算机中的GPU的。这也是大家都在推荐双系统的原因。
我的GPU型号是 GeForce GTX 1050 Ti。但是在设置->详细信息中，并没有这块GPU，因为没有安装驱动。
在软件和更新中，找到附加驱动additional drivers，选第一个然后apply，之后重启ubuntu。
重启之后，驱动安装完成。验证方式有两种：
sudo nvidia-smi
显示出了显示卡信息，CUDA版本信息是11.3，这是计算机能安装的最高版本的CUDA。
或者查看系统details，图形卡已经安装好了1050T驱动。
2. 安装CUDA 10.1
验证gcc和g++版本：7.5.0
验证系统版本和内核版本：
从 NVIDIA官网查询到 CUDA 10.2 的系统支持列表，没明说18.04.5的适配GCC。
https://developer.nvidia.com/cuda-toolkit-archive
从官网下载工具包Toolkit：
https://developer.nvidia.com/cuda-toolkit-archive
下载完成之后，安装：
在环境变量配置可执行文件及库路径
安装完成后，需要为CUDA 10.1配置环境。
- 首先打开家目录下的.bashrc文件： gedit ~/.bashrc
- 在文件的末尾添加如下内容：
export PATH=/usr/local/cuda-10.1/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
- 保存并关闭文件，完成配置。
- 更新环境：source ~/.bashrc
验证
输入 nvidia-smi 查看nvidia驱动是否正常；
输入 nvcc -V 查看当前CUDA版本。
NVIDIA 官方给出的验证方式：执行以下命令
cd /usr/local/cuda/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
执行完成后，最后一行输出Result = PASS即为成功安装。FAIL则失败。
3.cuDNN 下载和安装
从nvidia官网下载：
https://developer.nvidia.com/rdp/cudnn-archive
下载三个文件 18.04(Deb)
分别将三个包解压，安装：
#安装runtime库：
sudo dpkg -i libcudnn8_8.0.5.39-1+cuda10.1_amd64.deb
#安装developer库：
sudo dpkg -i libcudnn8-dev_8.0.5.39-1+cuda10.1_amd64.deb
#安装实例和指南库：
sudo dpkg -i libcudnn8-samples_8.0.5.39-1+cuda10.1_amd64.deb
验证安装是否成功：验证cuDNN在Linux上是否安装成功。为了验证cuDNN已经安装并正确运行，需要编译位于/usr/src/cudnn_samples_v8目录下的mnistCUDNN样例。
1）复制cuDNN samples到home目录下
$ cp -r /usr/src/cudnn_samples_v8 /$HOME
2) 进入home目录
$ cd $HOME/cudnn_samples_v8/mnistCUDNN/
3) 编译mnistCUDNN
$ sudo make clean
$ sudo make
4）运行mnistCUDNN
$ sudo ./mnistCUDNN
sudo make 后，新增了几个 .o 和 .h 文件，还有mnistCUDNN可执行文件。
执行mnistCUDNN 文件：
第一个测试：
第二个测试：
两个测试结果都是Test passed!
测试通过，cuDNN安装完成。