Linux安装Ubuntu18.04/显卡驱动/CUDA11.4/cuDNN8.2
Linux安装Ubuntu18.04/显卡驱动/CUDA11.4/cuDNN8.2踩坑记录：
【准备工作】
-
在Ubuntu官网或者清华源软件镜像下载Unbuntu18.04的镜像文件：【为方便小伙伴们，这里给出两个地址，均可获得】
a) Ubuntu官网的镜像地址：https://ubuntu.com/download/desktop
b) 清华源镜像地址：https://mirrors.tuna.tsinghua.edu.cn/ubuntu-releases/18.04/ -
安装制作工具，插入作为启动盘的U盘（需要一个3.0/16G的空的USB, 这是我的启动盘的大小，仅作参考）.如何制作U盘启动盘，后面更新，我的是同事帮忙制作的，嘿嘿~【如果有时间，后面会再更新制作启动盘】
-
将USB插入，并重新启动电脑。按照提示，一步一步点击Next.
a) Erase Ubuntu 16.04.6LTS and reinstall。【这是因为检测到你已经装了一个Unbuntu系统了，如果选择该选项会删除原来的ubuntu系统，以及ubuntu上的文件，不会动你Windows上的任何东西，但是!使用该选项之后是没有分区的操作的，也就是说你原来是怎么分的区，这样装完之后还是原来的分区，我默认使用原来的分区。所以勾选该选项，continue.】
b) Erase disk and install Ubuntu。【这个选项不仅会把你的Unbuntu删除，还会把你Windows上的所有一切都删掉，还你—块洁白无瑕的硬盘，轻易不要尝试!】
Language 我选择英语. 避免以后有不必要的麻烦出现。
此时，图形化的Ubuntu系统已经存在。重启并登录。
【安装显卡驱动】
【温馨提示】在安装显卡驱动前，先之前做两个个操作， 更新源和第三软件：
a) 打开终端：
sudo apt-get update
【该命令作用访问源列表里的每个网址，并将软件列表保存在电脑里】
b)
sudo apt-get upgrade
【该命令作用会把本地已安装的软件，与软件列表里对应软件进行对比，如果发现已安装的软件版本太低，就会提示你更新】
电脑配置：linux系统
1） 确定显卡驱动的安装版本【查看电脑可安装的版本】
ubuntu-driver devices #
sudo apt-get install nvidia-driver-470 #【系统推荐：nvidia-driver-470】
【根据系统推荐：nvidia-driver-470】
判断显卡安装成功的信息：
nvidia-smi
展示gpu的信息：
NVIDIA-SMI 470.141.03 Driver Version: 470.141.03 CUDA Version: 11.4
接下来
！！！重要的事情说三遍
如果你是NVIDIA显卡，直接用nvidis-smi 命令查看显卡信息，如果显示CUDA版本在11.x ,最好不要安装CUDA 10.x，如果安装10.x,最后你运行pytorch程序可能会报错。后面会说明报错和原因。
【安装CUDA11.4】
a) 进入官网：https://developer.nvidia.com/cuda-downloads
i. 在 Resources 点击: Archive of Previous CUDA Releases
ii. 选择Linux --> x86_64 --> Ubuntu --> 18.04 --> runfile(local)
iii. 出现安装命令：【打开终端】
STEP1: 【下载CUDA11.4包】
wget https://developer.download.nvidia.com/compute/cuda/11.4.0/local_installers/cuda_11.4.0_470.42.01_linux.run
STEP2: 【安装CUDA11.4】
sudo sh cuda_11.4.0_470.42.01_linux.run
都是图好像不够鲜明，放个步骤示意图：
解释说明，为什么要先查看自己显卡型号和支持的算力，也算自己踩过的比较大的坑。因为我装完Cuda10.2版本后，在运行pytorch程序时调用cuda报错：GeForce RTX 3080 with CUDA capability sm_86 is not compatible with the current PyTorch installation. The current PyTorch install supports CUDA capabilities sm_37 sm_50 sm_60 sm_61 sm_70 sm_75 compute_37.
出错原因：在cuda官方文档中发现cuda10.2最高算力支持的是7.5. 而我的RTX3080算力支持8.0 所以需要装11.x。
切记查看自己的显卡能够支持的算力，然后找符合显卡算力的cuda 和cudnn.
切记安装cuda、cudnn之前查看自己的显卡能够支持的算力，然后找符合显卡算力的cuda 和cudnn.【比如我的显卡是RTX3080, 支持8.0+，所以我优先选择cuda411.x 和 cudnn8.0+】
查看显卡的通用方法：
输入命令：
lspci | grep -i vga
可以查显卡型号，这时候会返回Device的一串数字代码，我的返回 NVIDIA Corporation Device 2206. 这时候，可通过PCI devices网站进行查询，
然后，进入官网https://developer.nvidia.com/cuda-gpus#compute查看显卡性能：
安装完成后，需要配置环境变量：
vim ~/.bashrc
找到文件底部：插入3行语句
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda
此处，i 进行编辑，:wq保存退出。
source ~/.bashrc
验证cuda装成功:
nvcc -V 输出一堆信息, 则表示安装成功
Nvcc: NVIDIA (R) Cuda compiler driver ~~~
Cuda compilation tools, release 11.4 , V11.4.48 ~~~
【安装cuDNN】
进入官网：https://developer.nvidia.com/rdp/cudnn-download
此处需要登录NVIDIA的账号才能下载【未注册，先注册，在登陆】
寻找8.0+的cudnn，并且CUDA 11.x
注意：cuDNN8.0+都可以，cuda一定要适配自己装的版本（我这里是cuda11.4），然后选择 linux(x86_64)。
下载完毕后，进行解压：
Step1: tar -xzvf cudnn-11.4-linux-x64-v8.2.2.26.tgz
Step2: sudo cp cuda/include/cudnn*.h /usr/local/cuda/include
Step3: sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
Step4: sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
验证cuDNN安装成功，命令
Step5: cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
...
#define CUDNN_MAJOR 8
#define CUDNN_MINOR 2
#define CUDNN_PATCHLEVEL 2
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)
#endif /* CUDNN_VERSION_H */
看到这些信息，cuda11.4和cuDNN8.2.2就安装完成。_
【linux安装anaconda】
Anaconda地址选择：https://repo.anaconda.com/archive/
我选择的是：https://repo.anaconda.com/archive/Anaconda3-2022.10-Linux-aarch64.sh
Step1: sudo sh Anaconda3-5.3.0-Linux-x86_64.sh
按下回车
多次空格或者回车
Do you accept the license terms? [yes|no]
[no] >>> yes
···
Do you wish the installer to initialize Anaconda3
in your /home/andrew/.bashrc ? [yes|no]
[no] >>> yes
Step2: source ~/.bashrc
Step3: conda info
出现一堆Anaconda信息即成功.