深度学习环境搭建（3）CUDACUDNN和Tensorflow与Pytorch安装

CUDA环境配置

CUDA版本选择：

关于Linux端的CUDA，目前可以选择的版本有很多，需要注意的是不同版本的Tensorflow对CUDA有版本上的限制，这个限制只有调用GPU版本的Tensorflow才能看出来，或者直接看Tensorflow官网介绍和别人的经验帖也行。
博主推荐电脑安装两个CUDA版本，CUDA9.0和CUDA10.1，这两个版本兼容了Tensorflow1.8和Tensorflow2.2，同时Pytorch也是兼容的（网上说有pytorch对CUDA有限制，实测的时候发现Pytorch对这两个版本都是兼容的）

CUDA安装：

（1）CUDA的下载就不重复了，记得在电脑上预留好对应的存储空间即可，安装文件占用空间比较大一点，两个CUDA加起来有3G以上。
（2）安装命令
Sudo chmod a+X cuda……….sh
Sudo sh cuda…….sh（cuda9.0需要跟上–override）
（3） 安装注意事项

同意用户协议直接Accept

可以选择是否在安装CUDA的同时安装驱动，这个选择要取消掉，或者选No，选上这个会搞砸后面的安装。

CUDA的安装路径选择默认路径即可

关于软链接，如果只安装一个CUDA，可以选择默认值，如果要安装两个CUDA版本，不要使用这个软链接，覆盖安装的时候会冲突，可以不选或者可以选择另一个路径创建软链接。调整一下CUDNN的安装路径即可。

测试用例也同时下载上（可以解决核心转储的问题，虽然不知道什么原因），剩下的选择默认选项即可。

根据最后的安装提示添加环境变量即可。环境变量放入/home/localhost/.bashrc文件内。然后source .bashrc即可。

CUDA测试上，进入测试用例，然后找到其中的deviceQuery文件夹，进入后打开终端，然后

sudo make
sudo ./deviceQuery

输出正常以后就说明CUDA安装成功，如果失败，可能需要使用gedit Makefile修改Makefile文件中cuda的安装路径，将其中的软链接改为cuda安装路径即可。

CUDNN环境配置

下载CUDNN7.0.5 for CUDA9.0 Linux,下载CUDNN7.6.5 for CUDA10.1.其他文件不安装也可以使用。

下载完成后，将其解压，然后使用命令将其中的文件复制到cuda内部即可。具体命令如下：

sudo cp ./cuda/include/cudnn.h /usr/local/cuda-9.0/bin/
sudo chmod a+X /usr/local/cuda-9.0/bin/cudnn.h
sudo cp ./cuda/lib64/lib* /usr/local/cuda-9.0/lib64/
sudo chmod a+X /usr/local/cuda-9.0/lib64/lib*

CUDA10.1修改命令中的版本号即可，其他一致
配置完成后，确定环境变量已经生效，接下来开始安装Tensorflow。

安装Tensorflow、Pytorch

安装这个就简单了，都是一行命令的事情，唯一可能出问题的就是网络环境，加上镜像源即可。

pip3 install tensorflow-gpu==1.8.0 -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
pip3 install tensorflow-gpu==2.1.0 -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
pip3 install torch torchvision -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com

测试Tensorflow和Pytorch GPU版是否安装成功

import tensorflow as tf
print(tf.test.is_gpu_available())
import torch
print(torch.cuda.is_available())