如何在ubuntu系统上安装多个cudn环境（及对应cudnn、pytorch 、torchvision安装方法 ）

在跑模型的时候报错说缺乏函数，查了下相关任务发现是版本问题，需要安装更低版本的相应环境。由于cuda与pytorch之前存在对应关系，所以尝试安装不同版本的cuda，使不同虚拟环境可以使用不同的cuda，参考了一些文章还算顺利的完成了配置。

第二版本的cuda的安装

cuda的安装网上很多教程，这里不赘述了，主要讲在已有cuda的情况下如何安装第二个cuda。服务器已有的cuda-11.1，打算再安装一个cuda-10.0，用来匹配代码需要的pytorch版本 。具体的cuda及pytorch版本之间的对应关系可以查看https://pytorch.org/get-started/previous-versions/#via-pip，可以根据之前下载的版本了解版本对应关系。

首先到https://developer.nvidia.com/cuda-toolkit-archive下载想要的cuda版本 ，参照其他一些教程进行安装，比如 https://blog.csdn.net/ashome123/article/details/105822040/

注意不需要安装显卡驱动 以及不添加链接 cuda的samples就因人而异吧

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81?
(y)es/(n)o/(q)uit: n
 
Do you want to install a symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: n
 
Installing the CUDA Toolkit in /usr/local/cuda-10.0 ...

主要不同点就是 install a symbolic link需要选择no，同时不要通过.bashrc文件设置cuda的链接。

cuda的切换设置

之后就是设置进入某个环境时，将我们的cuda路径自动链接到我们的cuda-10.2中，过程如下：
首先新建虚拟环境（your_env_name为你想设置的虚拟环境名字 同时指定python版本）

conda create -n your_env_name python=x.x

之后进入到新建的环境，通过下面代码查看虚拟环境的绝对路径

echo ${CONDA_PREFIX}

之后根据自己的虚拟环境替换地址执行以下命令，该部分操作使得进入该环境时系统的cuda路径自动替换到想要的cuda版本。比如我的环境是：/home/lab208/anaconda3/envs/torch_1.1.0，我的命令是：

mkdir -p /home/lab208/anaconda3/envs/torch_1.1.0/etc/conda/activate.d
gedit /home/lab208/anaconda3/envs/torch_1.1.0/etc/conda/activate.d/activate.sh

在上面第二行代码运行后会打开一个文本，在里面输入下面代码并保存（注意第四行的cuda填写自己想要的版本,比如我需要该虚拟环境使用cuda-10.0):

ORIGINAL_CUDA_HOME=$CUDA_HOME
ORIGINAL_LD_LIBRARY_PATH=$LD_LIBRARY_PATH
ORIGINAL_PATH=$PATH
export CUDA_HOME=/usr/local/cuda-10.0
export LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH
export PATH=$CUDA_HOME/bin:$PATH

保存之后执行下面代码，给系统权限
（关于这行代码可以参照https://blog.csdn.net/u012106306/article/details/80436911进行理解）

chmod +x /home/lab208/anaconda3/envs/torch_1.1.0/etc/conda/activate.d/activate.sh

之后为了退出之后将cuda的路径修改回原本的系统路径，还需要执行以下命令：

mkdir -p /home/lab208/anaconda3/envs/torch_1.1.0/etc/conda/deactivate.d
gedit /home/lab208/anaconda3/envs/torch_1.1.0/etc/conda/deactivate.d/deactivate.sh

在输入上面第二行代码的时候会打开一个文本，在里面输入下面代码并保存：

export CUDA_HOME=$ORIGINAL_CUDA_HOME
export LD_LIBRARY_PATH=$ORIGINAL_LD_LIBRARY_PATH
export PATH=$ORIGINAL_PATH
unset ORIGINAL_CUDA_HOME
unset ORIGINAL_LD_LIBRARY_PATH
unset ORIGINAL_PATH

保存之后执行下面代码，给系统权限

chmod +x /home/lab208/anaconda3/envs/torch_1.1.0/etc/conda/deactivate.d/deactivate.sh

 
到这就完成了cuda切换的配置，可以通过下面方法查看是否配置成功：

echo $CUDA_HOME ## 查看cuda路径
nvcc --version  ## 利用nvcc查看cuda版本

成功结果展示如下图 在base环境中为cuda-11.1 在torch_1.1.0中环境为cuda-10.0
 

 

对应cudnn的安装

在安装好第二个cuda之后，我们就可以安装相应的cudnn，但注意需要安装到对应的cudn版本中，比如我需要安装到cuda-10.0中。到https://developer.nvidia.com/rdp/cudnn-archive下载需要的cudnn版本，解压之后有一个cuda文件，执行下面命令：

sudo cp cuda/include/cudnn*.h /usr/local/cuda-10.0/include 
sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda-10.0/lib64 
sudo chmod a+r /usr/local/cuda-10.0/include/cudnn*.h /usr/local/cuda-10.0/lib64/libcudnn*

可以用以下代码检测是否安装成功（其实是查看版本号）：

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

结果如下：
 

 
注意路径需要时对应自己的cuda版本（比如我需要安装到cuda-10.0文件夹中）
同时注意第一行命令中是cudnn*.h而不是cudnn.h，不然之后用命令行查看不了版本；不过似乎也没有很大影响，我最开始也是这一安装的，将命令修改为下面命令也可以查看版本：

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

 

安装pytorch及torchvision

可以选择conda安装也可以使用pip install安装 ，这里我选择直接conda安装：
安装代码请到https://pytorch.org/get-started/previous-versions/#via-pip查看
（本来是打算安装pytroch==1.1.0的，但是后来看代码介绍1.1.0代码也不支持，因此安装1.0.1版本，不过这个虚拟环境的名字就尴尬了…）

conda install pytorch==1.0.1 torchvision==0.2.2 cudatoolkit=10.0 -c pytorch

 

后话

如上安装之后运行代码还是出错，错误显示如下：

from torch.jit.annotations import Optional ImportError: cannot import name ‘Optional’

查看之后发现pytorch== 1.0.1和 torchvision== 0.2.2 之间是不匹配的，需要将torchvision降级为0.2.1，降级之后代码成功运行。根据官方的命令pytorch== 1.0.1和 torchvision== 0.2.2应该是配对的·，不知道为什么pytorch会出这种错误，不过代码最后能运行就非常开心了，不再想了。

 

转载请注明出处

主要参考博客：
如何在Ubuntu 20.04的Anaconda不同环境中安装不同的CUDA版本（2020年8月）
查看cudnn版本
给虚拟环境指定cuda
pytorch版本，cuda版本，系统cuda版本查询和对应关系