ubuntu 20.04 | 安装与卸载 Anaconda3 + CUDA 11.1 + cuDNN 8.0.5 + PyTorch 1.9.0

一、Anaconda3

1.1 下载安装包

• 官网：https://www.anaconda.com/products/individual#Downloads
  
• 清华大学开源软件镜像站：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
  

1.2 安装 Anaconda3

# 安装位置：/home/用户名/anaconda3/
bash Anaconda3-2021.05-Linux-x86_64.sh 

$一路回车：$


$yes$

\qquad 想要安装anaconda3的位置，默认位置/home/用户名/anaconda3回车即可，如果自定义位置直接输入安装位置即可。

1.3 修改环境变量

\qquad 将Anaconda3添加到用户环境变量，使用sudo gedit ~/.bashrc命令编辑~/.bashrc文件，添加内容：export PATH="/home/dong/anaconda3/bin:$PATH"。使用source ~/.bashrc命令让~/.bashrc文件生效。
$注$：上文修改的文件是/home/dong/.bashrc，如果想要在root用户中同样使用anaconda3，需要修改/root/.bashrc文件，同样添加：export PATH="/home/dong/anaconda3/bin:$PATH"。

1.4 检查是否安装成功

conda --version
python

1.5 换源

参考文章：https://blog.csdn.net/m0_52650517/article/details/112727422#t6

1.6 升级Anaconda3

参考文章：https://blog.csdn.net/m0_52650517/article/details/112727422#t7

1.6 删除 Anaconda3

sudo rm -rf /home/dong/anaconda3

然后删除上面~/.bashrc的修改。

二、CUDA 11

2.1 查看 NVIDIA 驱动

• 安装NVIDIA驱动的方法：https://blog.csdn.net/m0_52650517/article/details/119772455#t20
• 使用nvidia-smi查看NVIDIA驱动信息：nvidia-smi是NVIDIA的系统管理界面 ，其中smi是system management interface的缩写，它可以收集各种级别的信息，查看显存使用情况。
  

2.2 下载 CUDA 工具包

• 官网下载适合自己电脑NVIDIA驱动的CUDA工具包：https://developer.nvidia.com/cuda-toolkit-archive
  
• 作者要安装PyTorch，所以CUDA版本要与之相符合，此处下载CUDA 11.1.1。
  
  

  wget https://developer.download.nvidia.com/compute/cuda/11.1.1/local_installers/cuda_11.1.1_455.32.00_linux.run
  

  

2.3 安装 CUDA 工具包

• 使用下列命令安装：

  sudo sh cuda_11.1.1_455.32.00_linux.run
  

• Existing package manager installation of the driver found. It is strongly recommended that you remove this before continuing. Continue
  
• Do you accept the previously read EULA?（accept/decline/quit）：accept
  
• 作者已经安装NVIDIA驱动，所以此处取消NVIDIA勾选。
  
• 安装完成。
  
• 配置环境变量

  sudo gedit ~/.bashrc
  

  添加内容：

  export CUDA_HOME="/usr/local/cuda-11.1"
  export PATH="$PATH:${CUDA_HOME}/bin"
  export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:${CUDA_HOME}/lib64"
  

  让.bashrc文件生效：

  source ~/.bashrc
  

• 查看安装的版本信息：

  nvcc -V
  

  
• 测试CUDA是否安装成功：

  cd /usr/local/cuda-11.1/samples/1_Utilities/deviceQuery
  sudo make
  ./deviceQuery
  

  CUDA安装成功情况下的输出：
  

2.4 卸载 CUDA 工具包

sudo /usr/local/cuda-11.1/bin/cuda-uninstaller
sudo rm -rf /usr/local/cuda-11.1

三、cuDNN

3.1 下载 cuDNN

• 进入cuDNN官网：https://developer.nvidia.com/zh-cn/cudnn下载cuDNN安装包。
  
  网站需要登陆Nvidia账号。
  
  点击Archived cuDNN Releases获取更多版本的cuDNN安装包。
  
  
  

3.2 安装 cuDNN

• 解压 cudnn-11.2-linux-x64-v8.1.1.33.tgz 压缩包

  cd ~/Downloads/software-package # 进入cuDNN压缩包所在位置
  tar -zxvf cudnn-11.1-linux-x64-v8.0.5.39.tgz # 解压
  

  
• 复制文件

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

• 安装deb包

  sudo dpkg -i libcudnn8_8.0.5.39-1+cuda11.1_amd64.deb 
  sudo dpkg -i libcudnn8-dev_8.0.5.39-1+cuda11.1_amd64.deb 
  sudo dpkg -i libcudnn8-samples_8.0.5.39-1+cuda11.1_amd64.deb
  

  
• 重启

  reboot
  

• 测试cuDNN是否安装成功

  cp -r /usr/src/cudnn_samples_v8/ /home/dong/Documents
  cd /home/dong/Documents/cudnn_samples_v8/mnistCUDNN
  make clean &&  make
  ./mnistCUDNN
  

  $注$：过程中可能存在报错fatal error: FreeImage.h: No such file or directory，解决方案：sudo apt-get install libfreeimage3 libfreeimage-dev

cuDNN安装成功情况下的输出：
  

四、安装 GPU 版本 PyTorch

4.1 官网查询版本

• 官网：https://pytorch.org/get-started/locally/
  

4.2 安装 PyTorch 1.9.0

pip3 install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html

• 查看是否安装成功

  import torch
  torch.__version__
  print(torch.version.cuda)
  torch.cuda.is_available()
  

  

4.3 卸载 Pytorch

4.3.1 使用 conda 卸载 Pytorch

conda uninstall pytorch
conda uninstall libtorch

4.3.2 使用 pip 卸载 Pytorch

pip uninstall torch