Ubuntu服务器搭建Pytorch环境

安装CUDA

查看服务器处理器和系统版本

lsb_release -a

下载CUDA10.1(无需登录，一定要下update2，其他版本无法自定义目录)
https://developer.nvidia.com/cuda-10.1-download-archive-update2
打开网页后选择对应自己服务器的处理器和系统版本，格式选runfile(local)，这里以Ubuntu 18.04为例

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

然后下载cudnn,选择CUDA10.1对应的版本 (需登录nvidia账号，无法用wget，本地下载上传到服务器)
https://developer.nvidia.com/rdp/cudnn-download
选择 “cuDNN Library for Linux”，下载下来是一个tgz的压缩包。
最后，提前建好cuda的自定义目录，我这里以当前用户名的home目录为例，安装cuda-10.1：

cd ~
mkdir cuda-10.1
mkdir cuda-10.1/mylib

安装CUDA

sh cuda_10.1.243_418.87.00_linux.run

选择accept 后，更改安装选项（‘X’ 代表选中，这里我只安装CUDA Toolkit，一般不搞CUDA编程单跑深度学习就够了）：

选中Options:

先更改Toolkit Options (/usr这种非用户目录的都要去掉，我这里全去掉了，另外进入 Change Toolkit Install Path设置cuda安装到自己具有写入权限的路径（提前建好），我这里是“/home/zhangqian/cuda-10.1/”):


做完Done，回到Options菜单， 更改Library install path (不改不行，它会偷偷写入/var/lib)

上述两个自定义的目录最好提前自己手动建好。安装成功后，会出个summary。
更改环境变量：

vim ~/.profile

在尾部添加（经评论指正，将cuda的各种库目录添加到环境变量）：

# CUDA
export PATH="/home/liminghao/cuda-10.1/bin:$PATH"
export LD_LIBRARY_PATH="/home/liminghao/cuda-10.1/lib64:/home/liminghao/cuda-10.1/mylib/lib64:$LD_LIBRARY_PATH"

刷新环境变量：

source ~/.profile

测试CUDA:

安装cudnn
具体目录需要根据情况修改，我这里CUDA安装到了 ~/cuda-10.1 内

tar -zxvf cudnn.tgz
cd cuda # 此处进入cudnn解压的目录

cp ./include/cudnn.h ~/cuda-10.1/include
cp ./lib64/libcudnn* ~/cuda-10.1/lib64

chmod a+r ~/cuda-10.1/include/cudnn.h ~/cuda-10.1/lib64/libcudnn*

创建虚拟环境

见博客https://blog.csdn.net/Tra_cy/article/details/104316394

安装pytorch