Ubuntu下配置Cuda等深度学习环境

前言

记录服务器上深度学习项目环境的搭建。

---

一、查看显卡驱动信息

命令：nvidia-smi
效果：

注意关注箭头部分所对应的驱动版本和推荐的Cuda版本。

二、安装Cuda

第一步：选择Cuda版本

情况1.直接根据所对应的推荐Cuda版本进行选择

通常我们会选择对照着显卡驱动所推荐的Cuda版本号，在官网进行选择安装
相对应的Cuda。
官网地址如下：https://developer.nvidia.com/cuda-toolkit-archive

该图以上图驱动所推荐的11.4为例，进行选择

情况2.根据驱动版本号对Cuda版本进行选择

有些情况下，一些深度学习框架没有与之对应的Cuda版本。如最新的Cuda11.7, Pytorch官网中则没有与之对应的框架下载。如下所示：

在这种情况下，我们就可以利用驱动的版本号进行相应的Cuda版本的下载。
查阅驱动版本号和Cuda版本的兼容表：
查阅地址如下：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

对驱动版本进行对比，发现驱动版本470.103.01满足Cuda 11.4及其以下版本的所有情况，不满足Cuda 11.5所需的>=495.29.05的要求。因此，我们可以下载满足情况的所有Cuda版本，再结合所用的Pytorch框架所支持版本的取交集得，我们可以下载：Cuda11.2 、 Cuda 11.3 、Cuda 11.4。

进行完相应版本的选择后，逐条复制下面的安装命令进行安装包的下载。

第二步：下载完安装包之后，执行安装命令

sudo sh cuda_***_linux.run（其中：***要修改为你安装包的版本）

第三步：安装包执行过程中，除了对driver驱动删除默认的勾选外，一路Accept和yes下去，随后完成Cuda的安装。

第四步：添加环境变量：

进入home目录下，用vim .bashrc对环境变量进行编辑，加入以下两行：

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

注：其中**要修改为安装的Cuda版本

重新加载环境变量：source .bashrc

第五步：验证Cuda是否安装成功

命令：nvcc -V
若出现下图类似的版本信息（如果是安装的是11.4，则下图版本号应该出现11.4），则说明安装成功

三、安装对应的框架版本（以torch为例）

torch下载链接如下：
https://download.pytorch.org/whl/torch_stable.html
根据Python版本、cuda版本找到对应的torch文件进行下载安装

第7步：测试深度学习环境是否搭建成功

执行：

torch.cuda.is_available()

若返回True，则说明搭建成功