ubuntu18.04复现yolo v8之CUDA与pytorch版本问题以及多CUDA版本安装及切换
最近在复现yolo v8的程序，特记录一下过程
环境：ubuntu18.04+ros melodic
小知识：GPU并行计算能力高于CPU—B站UP主说的
Ubuntu可以安装多个版本的CUDA。如果某个程序的Pyorch需要不同版本的CUDA，不必删除之前的CUDA，可以实现多版本的CUDA切换
一、查看当前PyTorch使用的CUDA版本：
python -c "import torch; print(torch.version.cuda)"
注意：sudo ln -sf libcudnn.so.8.0.5 libcudnn.so.8
1.需要进入conda环境
2.进入conda环境命令：
conda activate ****
3.查看conda环境命令：
conda env list
二、假设ubuntu系统已经安装了CUDA，此时需要重新安装另外一个版本（如果你是第一次安装CUDA也没关系，重复下面步骤两次，选择不同的CUDA版本即可）。进入cuda官网，选择需要的版本。
原因：为什么如此麻烦下载多个版本的CUDA呢？因此我们在复现别人代码时，都会看到类似的要求：
Pip install the ultralytics package including all requirements in a Python>=3.8 environment with PyTorch>=1.8.
不同程序需要不同版本的python和pytorch，而pytorch和CUDA之间有一定的对应关系，如果不按要求安装，会造成后续报错，无法复现他人的程序。pytorch和CUDA的对应关系网站：
https://pytorch.org/get-started/previous-versions/
CUDA官网下载：https://developer.nvidia.com/cuda-toolkit
注意：官网页面显示的是最新版本的cuda，点击Resources中的Archive of Previous CUDA Releases，选择之前的版本，例如我这里选择的是CUDA Toolkit 11.1.1 (October 2020), Versioned Online Documentation
点击CUDA Toolkit 11.1.1即可
按照下图进行选择Linux—x86_64—Ubuntu—18.04—runfile(local)
下载方法可以参考我另外一篇博客：ubuntu系统配置CUDA和cuDNN
大致流程如下
安装：复制https://developer.download.nvidia.com/compute/cuda/11.1.1/local_installers/cuda_11.1.1_455.32.00_linux.run 到另外一个网页进行下载。
使用如下命令安装
sudo sh cuda_11.1.1_455.32.00_linux.run
后面的步骤为：
1. Q：Existing package manager installation of the driver found. It is strongly │
│ recommended that you remove this before continuing. │
│ Abort │
│ Continue
A：Continu
2. Q：Do you accept the previously read EULA?（accept/decline/quit）:
A：accept # 接受协议
3.Q：
│ CUDA Installer │
│ - [X] Driver │
│ [X] 455.32.00 │
│ + [X] CUDA Toolkit 11.1 │
│ [X] CUDA Samples 11.1 │
│ [X] CUDA Demo Suite 11.1 │
│ [X] CUDA Documentation 11.1 │
│ Options │
│ Install
A:
#注意根据提示：[ ]中没有X的即不选择，[X] 表示选择安装，因为已经提前安装了显卡驱动，所以把显卡驱动的安装选项取消掉：
#只有CUDA Toolkit 11.0是必选项，其他可选可不选
# Install进入下一步
4.Q： A symlink already exists at /usr/local/cuda. Update to this installation? │
│ Yes │
│ No
A：N0，选择no，否则会创建一个软连接覆盖之前那个/usr/local/cuda
至此CUDA11.1安装成功
cuda版本切换和环境变量设置
1、在 ~/.bashrc 文件中设置cuda的环境变量内容如下，这样是可以做到cuda版本切换的，通过更换软连接方式：
gedit ~/.bashrc
添加环境变量，在~/.bashrc的最后添加以下内容
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
export CUDA_HOME=/usr/local/cuda
保存文件，然后运行命令：
source ~/.bashrc
安装后，在/usr/local路径下，通过ls命令查看是否存在新安装的CUDA目录：
可以看到有之前安装的cuda-11.0和新安装的cuda-11.1
三、安装对应的cuDNN
安装新的版本的CUDA后，还要安装对应的cuDNN。
1、首先下载对应版本的cuDNN
百度搜索cuDNN官网，下载CUDA对应版本的cuDNN
https://developer.nvidia.cn/rdp/cudnn-archive
我下载的是Download cuDNN v8.0.5 (November 9th, 2020), for CUDA 11.1
此处下载：
cuDNN Library for Linux (x86_64)
2、cd到cudnn压缩包所在的文件夹下进行解压等操作：
tar -zxvf cudnn-11.1-linux-x64-v8.0.5.39.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda-11.1/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-11.1/lib64/
sudo chmod a+r /usr/local/cuda-11.1/include/cudnn.h /usr/local/cuda-11.1/lib64/libcudnn*
cd /usr/local/cuda-11.1/lib64/
sudo ln -sf libcudnn.so.8.0.5 libcudnn.so.8
注意：这里cuda-后面的数字根据自己的版本号进行个修改，不知道的话可以Tab补全
四、CUDA版本的切换
1、删除原版本的cuda软连接
sudo rm -rf /usr/local/cuda
2、建立新的指向cuda-11.1的软连接
sudo ln -s /usr/local/cuda-11.1 /usr/local/cuda
3、重新查看当前CUDA版本
cd /usr/local/
stat cuda
终于搞定了，完结撒花～～