ubuntu20.04显卡驱动cuda cudnn conda TensorRT安装及配置

显卡驱动 cuda cudnn conda TensorRT安装及配置

• 如果要使用TensorRT，请注意CUDA 支持的最高算力要大于等于GPU本身的算力, 可以先看3小节
• conda和pip换源直接看2.3小节
• 本人已在ubuntu20.04下安装成功。其他版本步骤应该差不多
• 如果帖子有帮助，感谢一键三连，^_^
• 部署有问题的小伙伴欢迎留言和加Q裙-472648720
• BEV各算法环境部署实战汇总

1 显卡驱动, cuda, cudnn

1.1 显卡驱动下载

显卡算力查询

1. 禁用nouveau核显

• 安装显卡驱动必须禁用nouveau核显，不然安装显卡驱动后会黑屏
• 不要更新内核，更新内核后不能用apt二进制安装, 安装前需要禁核显

# 1 禁用nouveau
sudo vim /etc/modprobe.d/blacklist.conf

# 2 末尾添加下面2句代码, 来禁用其他核显
blacklist nouveau
options nouveau modeset=0

# 3 生效
sudo update-initramfs -u

# 4 查看是否生效，如果没输出就已经生效，如果有输出重启在试试
lsmod | grep nouveau

2. 安装

• 安装方法1 apt二进制

# 查看可以安装的驱动
sudo ubuntu-drivers devices

# 根据table补全选择一个合适的
sudo apt install nvidia-drive-470

• 安装方法2 官方下载安装
  更新过内核驱动选择此方法, 都需要提前禁nouveau核显

官方网站下载

按照自己显卡型号下载linux版本就行

依赖

sudo apt install g++ make

安装

sudo ./NVIDIA-Linux-x86_64-515.76.run

一直默认就行，点enter就行

查看版本

nvidia-smi

终端输出nvidia-smi, 有显卡信息即代表安装成功

1.2 cuda安装

1.下载

cuda下载

cuda版本和算力

• 6000显卡算力 8.9 ; cuda-12.0 支持的算力5.0 – 9.0

• 30系显卡算力8.6 ; cuda-11.1 – 11.4算力支持 3.5-8.6

• cuda-11.8 support for compute capability 3.5 – 9.0

• 下载地址, 下载11.3.0就行
  可以鼠标点击下载，也可以使用wget
  

# cuda12.0
wget https://developer.download.nvidia.com/compute/cuda/12.0.0/local_installers/cuda_12.0.0_525.60.13_linux.run

# cuda11.3.0
wget https://developer.download.nvidia.com/compute/cuda/11.3.0/local_installers/cuda_11.3.0_465.19.01_linux.run

2. 安装

sudo sh cuda_11.3.1_465.19.01_linux.run

• 安装时注意, 选择continue ，然后输入accept 之后 只选择cuda tookit , 其他driver \文档\ sample等都不要安装， 即把选项之前的X按enter去掉就行，最后选择install等待安装完成就行。

• 安装后会在/usr/local/下生成cuda和cuda-11.3目录 ，cuda是cuda-11.3软连接得到的，在本机有多个cuda环境时，可以重新软连接切换cuda版本

3. 添加环境变量

vim ~/.bashrc
# 在~/.bashrc文本加入下面2句
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin

# 退出~/.bashrc, 生效
source ~/.bashrc

4. 查看cuda版本

nvcc -V

• 出现nvcc版本信息表示安装cuda成功

• 有的人nvcc -V没有输出，可能是因为环境变量没有设置对，要确认/usr/local下是否含有
  cuda和cuda-11.3，有可能是cuda-11.x, 第3步就换成对应的，退出~/.bashrc一定要source

1.3 cudnn

下载cudnn下载

选择支持cuda11.x版本linux平台的cudnn-8.6.0,下载后解压

# 8.2.1版本.tgz
tar -xf cudnn-11.3-linux-x64-v8.2.1.32.tgz 

# 8.6.0版本.tar.xz
tar -xf cudnn-linux-x86_64-8.6.0.163_cuda11-archive.tar.xz

解压后得到的文件，拷贝到/usr/local/cuda-11.3/中

cp cuda/lib64/* /usr/local/cuda-11.3/lib64/ 
cp cuda/include/* /usr/local/cuda-11.3/include/

查看cudnn版本

cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

cat /usr/local/cuda-11.3/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

上面2句结果都一样，证明cudnn复制成功，并生效

CuBLAS CuBLAS查看版本,自己根据版本好修改

2 conda安装

2.1 安装

miniconda地址

anaconda地址

下载完后，先加权限，再运行安装包

chmod +x Miniconda3-latest-Linux-x86_64.sh 
sudo ./Miniconda3-latest-Linux-x86_64.sh 

安装一直yes就行，安装路径可以自己设定， 不懂就直接默认即可

2.2 conda初始化设置

1. 初始化conda

cd Miniconda3
./bin/conda init

2.3 conda和pip换源

1. conda换源

• 终端中依次执行5句代码就ok

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/linux-64/

conda config --set show_channel_urls yes

2. pip换源
   创建一个~/.pip/pip.conf文件，然后将下面的源地址添加进去

# 创建~/.pip/pip.conf文件
mkdir ~/.pip && vim ~/.pip/pip.conf

• 源地址。把下面代码粘贴进~/.pip/pip.conf即可

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple/

2.4 torch安装

torch版本和cuda版本对应查询
conda和pip换源后就可以安装虚拟python环境了

1. conda创建虚拟环境

# 创建一个名为lin，python环境为3.8的虚拟环境. 一直yes即可
conda create -n lin python=3.8

2. 激活conda安装torch等包

# 1 激活lin虚拟环境
conda activate lin

# 2 在lin虚拟环境中，使用pip安装python包
pip install torch==1.11.0+cu113 torchvision==0.12.0+cu113 torchaudio==0.11.0 --extra-index-url https://download.pytorch.org/whl/cu113

3 TensorRT

tensorRT下载, 需要注册账号

注册后选择登录，以TensorRT8为例子，选择TensorRT8，勾选下图上的Agree，选择8.6GA版本（GA通用版，EA抢先体验版），和自己的ubuntu版本和cuda对应上，我是ubuntu20.04-cuda11.3选择下图红框内容，选择tar版本(已经编译好了)

• c++ 解压就能用

tar -xf TensorRT-8.6.1.6.Linux.x86_64-gnu.cuda-11.8.tar.gz

• python版本的tensorrt安装，根据python版本选择，这里是python3.8

# 进入解压后的tensorRT/python目录
cd TensorRT-8.6.1.6/python
# 虚拟环境中安装python3.8版本
pip install tensorrt-8.6.1.6-cp38-none-linux_x86_64.whl

自此，c++版本和python版本的tensorRT已经安装完成。

---

• TensorRT部署时, 注意cuda的算力和显卡的算力

编译c++的时候会报错**

nvcc fatal : Unsupported gpu architecture 'compute_89'

• 也就是说 CUDA 支持的最高算力要大于等于GPU本身的算力

显卡支持 89的算力，而cuda是11.3只支持86的算力

• yolov5-v7使用tensorRT加速

• ros下完成lidar2cam的点云上色、目标检测、测距代码链接

• CMakeLists.txt文件输出相关库的版本号

MESSAGE("\n------------\n")
MESSAGE("----OPENCV VERSION: " ${OpenCV_VERSION})
MESSAGE("----PCL VERSION: " ${PCL_VERSION})
MESSAGE("----CUDA VERSION: " ${CUDA_VERSION})
message(STATUS " cuda-libraries: ${CUDA_LIBRARIES}")
message(STATUS " cuda-include path: ${CUDA_INCLUDE_DIRS}")
MESSAGE("----TensorRT VERSION: " ${TensorRT_FOUND})
message("\n---------------\n")