深度学习环境配置 Ubuntu 18.04 + Anaconda + CUDA + Cudnn + Pytorch 【亲测可用】
这套环境实在是太复杂坑太多，配了大半年，今天终于终于成功了。
显卡驱动
直接装系统推荐显卡驱动，出错几率最小。
sudo ubuntu-drivers autoinstall
查看安装状态
nvidia-smi
会出现显卡版本和CUDA支持
CUDA
首先感谢二位前辈的原贴：
https://blog.csdn.net/weixin_43491255/article/details/118549032
https://blog.csdn.net/a563562675/article/details/119458550
先禁用nouveau
sudo gedit /etc/modprobe.d/blacklist.conf
添加这两行保存
blacklist nouveau
options nouveau modeset=0
刷新
sudo update-initramfs -u
重启电脑，一定要重启。然后输入这个命令，如果啥也没输出就是成功了。
lsmod | grep nouveau
cd /lib/firmware/rtl_nic/
sudo wget https://git.kernel.org/pub/scm/linux/kernel/git/firmware/linux-firmware.git/tree/rtl_nic/rtl8125a-3.fw
附上CUDA全家桶的下载链接
ubuntu2004，显卡驱动470，适配pytorch1.9.0的11.3 CUDA / 8.2.1CUDNN
deb1
deb2
deb3
run
ubuntu1804，显卡驱动470，适配pytorch1.9.0的11.3 CUDA / 8.2.1CUDNN
run
deb1
deb2
deb3
安装CUDA
首先在这里下载你需要的CUDA安装包（runfile格式）
由于你懂得原因，推荐用踢子打开，不然进不去。
https://developer.nvidia.com/cuda-toolkit-archive
一定要注意版本！！！
我推荐CUDA 11.3.0 + CUDNN 8.2.1 + Pytorch 1.10
这三者的组合非常麻烦，这套我亲测成功，别的搭配不敢保证。
由于你懂得原因，wget下载极慢，这里有个小技巧，把wget后面的链接复制一下，贴到能用踢子的浏览器，直接用浏览器下载。我当时大概3M/s，速度还不错。文件很大，2.8G，耐心下载。
下好之后改权限，
然后输入这个安装：
sudo sh cuda_11.3.0_465.19.01_linux.run
接下来会出现这个，在Driver那里按回车，不安装驱动（我们刚才已经装好驱动了），然后选Install安装。
装好之后打开环境变量
gedit ~/.bashrc
加入这两行保存，注意我这里是11.3，你如果是别的版本，要改成自己的
export PATH="/usr/local/cuda-11.3/bin:$PATH"
export LD_LIBRARY_PATH="/usr/lcoal/cuda-11.3/lib64:$LD_LIBRARY_PATH"
刷新环境变量
source ~/.bashrc
测试
终端输入
cd /usr/local/cuda-11.3/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
如果这样就说明成功了，里面显示了CUDA可用的设备信息。
CUDNN
安装
先下载三个deb包，一定要用deb，出错几率小
https://developer.nvidia.com/rdp/cudnn-archive
我的是11.3，选择里面的8.2.1 for 11.x
安装这三个包
sudo dpkg -i xxxxxxx.deb
最后安装一下依赖
sudo apt-get install libfreeimage3 libfreeimage-dev
测试
刚才有个包是cudnn自带的样例sample，运行测试一下
开始运行sample
cd /usr/src/cudnn_samples_v8
cp -r /usr/src/cudnn_samples_v8/ $HOME
cd $HOME/cudnn_samples_v8/mnistCUDNN
make clean && make
./mnistCUDNN
如果出现 Test passed，说明安装成功
查看一下cudnn版本
find / -name cudnn_version.h 2>&1 | grep -v "Permission denied"
cat /usr/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
Anaconda
到清华镜像源下载安装包
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
下载好之后输入命令安装，记得一路选yes
bash Anaconda3-2021.05-Linux-x86_64.sh
打开condarc切换conda清华源
sudo gedit ~/.condarc
把里面的内容替换成这个。已经包括了修改defaults，TUNA官网首页的方法。
channels:
- defaults
show_channel_urls: true
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
report_errors: false
auto_activate_base: false
最后创建一个虚拟环境，用来安装pytorch
conda create -n alientorch（你自己起的名字）
激活环境
activate alientorch
安装一波依赖，顺便测试一下刚才的源，如果速度很快，那么就很棒棒，一会的Pytorch也会很顺利
conda install numpy mkl cffi
Pytorch
安装
进入官网，查看你的版本对应的安装命令
https://pytorch.org/get-started/locally/
在刚才的虚拟环境里输入命令安装pytorch
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
20.04 + pytorch 1.9.0 + cuda 11.3 的指令：
conda install pytorch==1.9.0 torchvision==0.10.0 torchaudio==0.9.0 cudatoolkit=11.3 -c pytorch -c conda-forge
最新版GPU版本的：
conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia
CPU-Only版本的：
conda install pytorch torchvision torchaudio cpuonly -c pytorch
大家根据自己的情况从上面选一个
安装文件非常大，耐心等待即可，如果源切换成功了，这里下载会很快。
测试
进入虚拟环境，输入命令测试，大功告成！
python
import torch
torch.cuda.is_available()
