服务器RTX3090安装显卡驱动,cuda,cudnn,gpu版pytorch记录

这东西有点麻烦，RTX3090还是很矫情的。操作一致，机器一致，但是每一次安装都会遇到不一样的问题？？？

先列一下笔者安装成功的所有的标准配置版本，尽量和标准配置一样，否则会出一些奇奇怪怪的阴间问题。

系统：ubutnu 18.04.6 LTS
内核：GNU/Linux 5.4.0-91-generic x86_64
驱动：470.82.01
cuda：11.4
cudnn：8.2.4
anaconda3：5.2.0

如果按照博客的来，中间没有遇到问题的话，预计一个小时左右能够全部安装完毕
(当然很可能会遇到各种各样的问题…)

1. 安装ubuntu 18.04

正常来说18.04和20.04应该都是可以的，16.04就不行，因为会不支持很多RTX3090需要的依赖。

注意：本篇博客的安装流程以18.04为例（最后成功），笔者先前也在20.04上尝试过一样的安装流程，中间除了有遇到过内核版本问题以外，最终也能够安装成功，因此按照流程来基本也可行。简言之，推荐读者使用和笔者一样的配置，即使用ubutnu 18.04 LTS版本。

随便网上搜个教程就行（比方说这个），在其他windows机器上制作启动盘(比方説用UltralSO)，然后目标机器通过u盘启动。目标机器插上启动盘，重启狂按del(看自己设备是哪个键)，如果重启之后进不了BIOS,那么按照下面这篇博客的来(假设目标机器本来就是linux，如果是windows的话自行百度相对而言更简单)：
解决安装 Ubuntu 后无法进入BIOS、UEFI 和Grub 引导
安装的时候，语言尽量选择英语，不然很多路径会有些问题。然后看你自己的情况，选择要不要清空磁盘。中间其他的选项默认就行。
基本上不出意外是可以重装成功的，这一步没啥难度。

2. 配置apt source,ssh,make,etc.，并更换内核

更换内核版本

这一步其实是可选的，而且针对的是ubutnu20.04。所以，如果读者机器的内核版本已经是5.4以上了，请跳过这一步。

因为笔者先前使用ubutnu 20.04的时候，出现过因内核版本太低导致后续各种apt install的奇怪问题。这里的话采用5.4.50版本的内核。

首先使用uname -r查看当前内核版本 ：

然后去官网下载对应的内核版本,比方说我这里想装5.4.50的话，找到对应的目录(选择amd64这个folder，目前大家的机器应该都是AMD64位)，然后下载如下所示4个文件(三个generic的.deb文件，还有一个all.deb文件):

记得把这四个.deb文件放到服务器某个单独的文件夹下(确保该文件夹下没有其他.deb文件)，然后在该目录下运行：

sudo dpkg -i *.deb

之后的话可以重启，然后进入到grub引导里面手动选择刚刚新添加的内核版本，但是这样的话太麻烦，每次重启之后都要手动选择，所以这里选择修改grub配置文件来永久更改。

先输入cmd查看目前的内核：

grep submenu /boot/grub/grub.cfg

把上面这段输出中的gnulinux-advanced-f4aefacb-f5c2-4f42-809d-be71507b305f先存着，然后再输入：

grep gnulinux /boot/grub/grub.cfg

把上面这段输出中的gnulinux-5.4.50-050450-generic-advanced-f4aefacb-f5c2-4f42-809d-be71507b305f也存着(注意是上图红框内的那行generic, 不是下面那行recovery)

最后把上面那两段存着的字符组合成如下（>可以理解为切换）：

gnulinux-advanced-f4aefacb-f5c2-4f42-809d-be71507b305f>gnulinux-5.4.50-050450-generic-advanced-f4aefacb-f5c2-4f42-809d-be71507b305f

写到grub配置文件里，把GRUB_DEFALUT=0替换成上面这段(注意要加上引号)：

sudo vim /etc/default/grub

最后输入sudo update-grub更新：

reboot,再输入uname -r查看是否切换内核成功：

apt

装好之后先给apt换个源

## 备份source
cp /etc/apt/sources.list /etc/apt/sources.list.back 

## 编辑换源，vim当然也行，如果有的话
vi /etc/apt/sources.list   

把sources.list中的内容替换为中科大源（注意不要用清华源，已经停更了据说，笔者之前用了阿里云源，会有点问题，ustc验证过是没问题的）:

deb https://mirrors.ustc.edu.cn/ubuntu/ bionic main restricted universe multiverse
deb https://mirrors.ustc.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse
deb https://mirrors.ustc.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse
deb https://mirrors.ustc.edu.cn/ubuntu/ bionic-security main restricted universe multiverse
deb https://mirrors.ustc.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse
deb-src https://mirrors.ustc.edu.cn/ubuntu/ bionic main restricted universe multiverse
deb-src https://mirrors.ustc.edu.cn/ubuntu/ bionic-updates main restricted universe multiverse
deb-src https://mirrors.ustc.edu.cn/ubuntu/ bionic-backports main restricted universe multiverse
deb-src https://mirrors.ustc.edu.cn/ubuntu/ bionic-security main restricted universe multiverse
deb-src https://mirrors.ustc.edu.cn/ubuntu/ bionic-proposed main restricted universe multiverse

然后：

sudo apt update  ## 更新apt软件源
sudo apt upgrade  ## 更新所有软件

理论上来讲是不会有error的。(有error的话你就得考虑要不要继续往下了，凭笔者重装10+次的经验得出来的血泪教训)

另外，不同的ubuntu版本可能需要不同的源，如果读者在网上搜索ubutnu apt源，切记要带上自己的ubuntu版本号。一定要确保apt update 和 upgrade没有问题才行，否则换个博客换个源。

net-tools、vim

下载一些必备的包(可以根据自己的需求再安装一些)：

sudo apt install net-tools
sudo apt-get install vim
sudo apt-get install git

ssh

如果此台机器是服务器，后续有远程用自己pc机连服务器的需求，那么可以有这一步，否则也可以跳过这一步。

安装openssh

sudo apt-get install openssh-server

开启ssh：

service sshd start

执行上述要是遇到openssh-client的依赖问题，类似于下图：

可以通过删除重装openssh-client来解决，具体参考：安装openssh-server失败解决

上述ssh server打开之后的话可以通过其他pc机ssh远程连接该台机器进行后续的操作。具体而言，先使用ifconfig查看本机的ip地址：

然后在其他机器上用ssh [email protected] 输入登录密码进去。

因为每次用ssh登陆的时候都要输一次密码还是比较麻烦，可以直接自己的pc机上生成密钥对，然后把公钥cp到服务器上：

ssh-keygen

之后可以输入你自己的秘钥，当然还是建议直接enter跳过，不然的话到时候连ssh其实还是要输密码…

ssh-copy-id [email protected]

这样之后再用ssh连接远程主机的时候，这台机器就不用输密码。

如果copy秘钥的时候出现如下所示错误（说明你的这台pc之前连接过一个同IP地址的服务器）：

则尝试替换掉原先本机的秘钥：

ssh-keygen -R XXX ## XXX 为上述的目标服务器IP

之后再重复上述操作，将秘钥copy到服务器上即可。

gcc & cmake

服务器上还得有个g++、cmake等(后面装驱动会用到)：

sudo apt-get install build-essential

build-essential会把这一类所有相关的依赖都安装完毕。

可以尝试看看有没有安装成功：

gcc --version

make -v

之后可以给实验室所有同学设置usr group和sudo权限，这里略过。

3. 安装显卡驱动

这一步有点麻烦，自己也探索了好久，中间也难免重装了好几次系统(头疼.jpg)
先用如下命令查看设备属性：

ubuntu-drivers devices

如下为例，会有推荐的driver版本：

如果上述命令没有输出，那试试看添加ppa源：sudo add-apt-repository ppa:graphics-drivers/ppa之后再尝试。

之后建议离线安装包安装，可以去nvidia官网下载对应的显卡驱动，如果网速太慢，可以去下面这个镜像站：

NVIDIA_DRIVER(找到自己的版本)

下载之后上传服务器(当然也可以在服务器上wget),然后运行安装：

bash NVIDIA-Linux-x86_64-470.86.run

注意，如果你是自己用的pc机，需要图形界面的话，这个地方必须加上参数--no-opengl-files，否则到时候机器一旦重启，你就无法进入图形界面；当然，如果是实验室大家用的服务器(都是用ssh登录，用不到图形界面)，那这个地方不加上也可以，因为图形界面默认会占用一小部分显存（笔者就选择了关闭图形界面）。
该参数的具体解释详见：Ubuntu 安装 cuda 时卡在登录界面（login loop)的解决方案之一

进入到安装界面(中间一些选择，默认就行)：



之后用nvidia-smi试试看有没有装好：

正常来说离线安装应该是没问题。

当然…可能会遇到很多奇奇怪怪的毛病，下面举几个自己遇到的：

bug 1. 没有禁用nouveau

若是老老实实按照笔者上述流程来安装，这个bug必出现，莫慌！

其实网上几乎所有博客都是建议安装驱动前，先用各种方法把nouveau集成显卡驱动禁用。笔者这里之所以没有事先禁用是因为踩了坑(不知道为何，按照网上各种贴子禁用方法，修改/etc/modprobe.d/blacklist-nvidia-nouveau.conf之后重启，机器的网卡驱动就也会被莫名禁用，试了各种方法，没有解决)。

后来灵机一动，安装nvidia-driver的时候，若是没有事先禁用nouveau,那么安装程序会让你选择是否在etc目录下写一个文件来禁用nouveau。毫无疑问，这自己手动去改配置文件，肯定没有人家程序自动改来得靠谱啊。

所以，按照笔者上面的流程安装，必然会遇到安装过程中提示类似于"nouveau已经存在"的字样，这个时候选择自动写入etc禁用nouveau即可(这一步忘记截图了，意会即可)。

然后自己可以手动用sudo update-initramfs -u更新一下，再重启一下
重启之后，terminal输入lsmod | grep nouveau确保没有任何输出显示，说明nouveau禁用成功。
再重新运行显卡驱动安装就可以。理论上来说，这次就不会再有错误。

---

12.2更新：今天在ubuntu18.04上按照上述流程又装了一遍，发现没有禁用nouveau(lsmod | grep nouveau会有一堆输出)，显卡驱动还是安装成功了…很玄学，貌似20.04大概率是需要禁用nouveau的。

bug 2. driver版本不兼容

如果出现下面的报错：

打开nvidia-installer.log之后看到如下：

说明驱动版本和自己机器不兼容。
因此，建议选择ubuntu-drivers devices中推荐的版本。

或者，可以尝试如下ppa安装方法（没试过但是感觉蛮高赞的）：
stackexchange

4. 安装anaconda和python环境

下载安装

推荐去清华镜像，找到anaconda3-5.2.0

下载之后bash运行这个sh文件，然后进入anaconda安装界面：

press ‘yes’之后，这个地方注意一下，让你选择安装路径，如果是自己用的pc机，那么默认的路径没问题，如果是团队用的服务器，注意尽量不要装在root根目录，一般实验室每个人都有自己代码数据的存储路径，最好更改conda下载路径到自己的路径：

这个过程中会提示是否写入环境变量，建议no，后面会手动添加。

环境变量

建议手动配置环境变量,这里有两种选择：

• 导入conda.sh到usr bashrc(只对当前用户生效，推荐)：

echo ". XXX/anaconda3/etc/profile.d/conda.sh" >> ~/.bashrc  ## XXX为之前那步你选择安装的anconda的位置
echo "conda activate" >> ~/.bashrc
source ~/.bashrc  ## 刷新bashrc

• 建立一个全局的软连接(对所有用户生效，不是很推荐)：

sudo ln -s XXX/anaconda3/etc/profile.d/conda.sh /etc/profile.d/conda.sh   ## 建立软连接，该操作针对所有用户
echo "conda activate" >> ~/.bashrc
source ~/.bashrc  ## 刷新bashrc

之后打开新的terminal，不出意外，应该会自动进入conda的base环境：

注意！老版本的conda在配置环境变量时(包括之前一步，如果选择让anaconda自动配置环境变量的话)，大多用以下这种：

echo "export PATH=XXX/anaconda3/bin:$PATH" >> ~/.bashrc  ## XXX为之前那步你选择安装的anconda的位置

但是比较新的conda应该是要按照笔者上述这种方法来配置，而且官方推荐.bashrc文件里面不能有上面这行(但是笔者自己试的时候，加上也可以照样也还是能激活base，只不过会报个错，可能强迫症会有点难受)。

5. 安装cuda、cudnn

这里提醒一下，如果要目标机器需要安装多个版本的cuda的话 (比方说实验室一群人用的服务器，每个人都有不同的cuda版本需要)，那么请使用笔者另一篇博客：同台设备配置多cuda环境, 来代替第5节内容(这里用的是run file安装，相对而言更稳妥，但是没有办法安装多cuda)

首先去官网查看自己做安装的driver版本和cuda、cudnn之间的对应，可以参考我另一篇blog：
查看cudnn和cuda，cuda和driver之间的对应关系

cuda安装

然后去下载cuda(选run file):
官网cuda下载地址
安装运行之前最好检查一下有没有gcc：

gcc --version

首先需要给可执行行权限：

sudo chmod a+x cuda_11.4.3_470.82.01_linux.run

然后安装：

sudo sh cuda_11.4.3_470.82.01_linux.run 

输入accept

选择install

最后屏幕会出一个summary

配置环境变量：

vim ~/.bashrc

末尾加上(改为自己的cuda安装路径)：

export PATH="/usr/local/cuda-11.4/bin${PATH:+:${PATH}}"
export LD_LIBRARY_PATH="/usr/local/cuda-11.4/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}"

更新bashrc：

source ~/.bashrc

之后用nvcc -V试试看有没有成功（注意这个-V是大写的！），有如下输出则表示cuda安装成功：

cudnn安装

之后下载cudnn(需要用邮箱注册一个账号):
官网cudnn下载地址
需要下载下面四个(一个tar包，三个deb)：

对于下载的cudnn的tar包，解压tar -zxvf cudnn-11.4-linux-x64-v8.2.4.15.tgz -C ./之后，当前目录下会多一个名为cuda的folder，之后cp cudnn.h 和 lib64 这两个库(根据自己cuda的路径调整)，并更改这两个库的权限：

sudo cp cuda/include/cudnn.h /usr/local/cuda-11.4/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-11.4/lib64

sudo chmod a+r /usr/local/cuda-11.4/include/cudnn.h /usr/local/cuda-11.4/lib64/libcudnn*

然后安装那三个libcudnn的Deb包:

sudo dpkg -i libcudnn8_8.2.4.15-1+cuda11.4_amd64.deb
sudo dpkg -i libcudnn8-dev_8.2.4.15-1+cuda11.4_amd64.deb
sudo dpkg -i libcudnn8-samples_8.2.4.15-1+cuda11.4_amd64.deb

重启验证

上面的cuda和cudnn安装之后可以reboot重启一下，输入以下命令检验是否安装成功：

cd /usr/local/cuda-11.4/samples/1_Utilities/deviceQuery 
sudo make 
./deviceQuery

若是安装成功，运行之后terminal里面最后会有一个Result = PASS：

6. 安装cuda版本的pytorch

pip&conda换源

先把pip源换成国内，详见我的另一篇博客：
pip 一键换源
顺带也把conda源换了，详见我的另一篇博客：
conda换源

安装torch

这里要提醒一下：如果设备是RTX3090的话，是不能使用cuda11以下的torch的(也就是只能用torch>=1.7),因为RTX3090相对而言比较新，如果是cuda11以下的torch是不能兼容RTX3090提供的算力的(你可以安装没有报错，但是在用GPU的时候会报错)

先去官网确定自己的torch和torchvision之间的对应版本关系：

然后去下载离线包，找到对应版本的torch和torchvision：
离线包下载地址


之后pip安装即可：

pip install torch-1.8.0+cu111-cp38-cp38-linux_x86_64.whl
pip install torchvision-0.9.0+cu111-cp38-cp38-linux_x86_64.whl

此处需要提醒一点，若是安装的cuda版本高于torch支持(比方说笔者这里，cuda版本是11.4，但是安装的torch1.8.0只支持最高11.1).一般来说安装之后问题不是很大，只要差的版本不是很大就行。但最好还是一致。 详见：本机cuda版本可以高于安装pytorch时的cuda版本吗？

之后可以安装一些其他依赖，pandas，json，etc.有关于TensorFlow GPU版本，还有类似于Keras，这里不做介绍。

7. 验证

最后验证一下是否安装成功，terminal里进入python环境，然后执行以下代码：

import torch
torch.cuda.is_available()  ## 输出应该是True

t=torch.nn.Linear(3,3)
t.to("cuda:0")

input=torch.randn((3,3)).requires_grad_().to("cuda:0")
output=t(input)

loss=torch.sum(output)
torch.autograd.grad(loss,input,retain_graph=True)  ## 输出应该是一个gpu上的梯度矩阵
loss.backward()

没有报错则算成功，说明可以使用gpu进行推理反传

8. 其他

最后再吐槽一下网上很多博客，有些误人子弟，当然也有一些其实是可以成功的，但是毕竟每个人机器都不是很一样，这里面变量很多，你也不知道别人的方法在你那里行不行得通。总之，装环境这种切忌盲目跟，很多时候你不仅需要拥有检索搜集信息的能力，还需要知其然并知其所以然(人家为什么要用这个cmd？你的问题和人家的问题是一个问题吗？)。要是装的时候感觉仿照的这篇博客不太对头了，好像它的问题报错和我有点不太一样，或者它的屏幕输出和我有点不太一样，那么应该考虑赶紧换一篇(包括本篇)。

最后，胆大心细吧，退一百步讲，大不了装错了重装系统呗(笔者写这篇重装了10+次，感觉每一步操作都能背出来了…)；还要有耐心，装环境还是可以增强自己的能力的。