ubuntu18.04 RTX3060配置深度学习环境

一、版本选择

Ubuntu 18.04+python3.7+CUDNN 8.2.0+CUDA11.3

+TensorRT8.2+Pytorch1.10.1+Tensorflow-gpu2.6

RTX3060只能在CUDA11.1以上调用

二、安装

1、cuda11.3

• 安装链接

CUDA Toolkit 11.3 Downloads | NVIDIA Developer

如果之前你已经安装好了nvidia 驱动，那在执行 sudo sh cuda_11.2.0_460.27.04_linux.run 安装过程中，不要勾选 driver那一栏，选择不安装(否则会有冲突发生)，接着直接continue就可以了。原来有cuda先卸载

 

• 卸载原有cuda

sudo apt-get remove cuda
sudo apt autoremove
sudo apt-get remove cuda*

然后切换到CUDA所在目录：

cd /usr/local/

删除CUDA-11.0目录：

sudo rm -r cuda-11.0

• 查看cuda版本

cat  /usr/local/cuda/version.txt
nvcc --version

 2、安装cuDNN 8.2.0

https://developer.nvidia.com/rdp/cudnn-archive

 sudo dpkg -i libcudnn8_ 按一定顺序安装

  3、配置环境变量

安装完cuda和cuDNN之后开始配置环境变量

sudo gedit ～/.bashrc 然后输入以下内容：

export PATH=/usr/local/cuda-11.3/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.3/lib64:$LD_LIBRARY_PATH

source ~/.bashrc 激活环境

4、安装pytorch

建立一个新的工作环境

conda create -n pytorch python=3.7

 在镜像网站上下载相应的pytorch版本

Index of /anaconda/cloud/pytorch/linux-64/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

conda install

测试程序

import torch
flag = torch.cuda.is_available()
print(flag)

ngpu= 1
# Decide which device we want to run on
device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
print(device)
print(torch.cuda.get_device_name(0))
print(torch.rand(3,3).cuda()) 

5、安装tensorflow-gpu

6、安装TensorRT8.0

https://developer.nvidia.com/nvidia-tensorrt-8x-download

os="ubuntuxx04"
tag="cudax.x-trt8.x.x.x-yyyymmdd"
sudo dpkg -i nv-tensorrt-repo-${os}-${tag}_1-1_amd64.deb
sudo apt-key add /var/nv-tensorrt-repo-${os}-${tag}/7fa2af80.pub
sudo apt-get update
sudo apt-get install tensorrt