Ubuntu18.04+CUDA11.0+Cudnn+Pytorch1.7.0（GPU）

1.CUDA安装

1、系统要求
     从表格可以查找系统对应的gcc与kernel版本表格来源：https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html

1）是否安装了gcc编译器，查看当前系统的gcc版本

gcc --version

信息显示
     若没有安装请先安装，安装自行搜索

2）确认系统安装了满足要求的Kernel Header

# 查看系统正在运行的Kernel Header
uname -r

信息显示

该部分参考该博客内容：https://blog.csdn.net/ywdll/article/details/103619130

2、 查看显卡信息，有显卡是安装cuda的前提。

lspci | grep -i nvidia

信息显示

3、安装NVIDIA显卡驱动

注意：现在显卡驱动可以在CUDA安装包一起安装，但我的显卡驱动是提前装好的，所以具体安装自行查找，这里简略介绍涉及的一些信息。

显卡驱动下载可以参考该博客：https://blog.csdn.net/tanmx219/article/details/107591416
1）显卡具有推荐推荐的安装版本

ubuntu-drivers devices

信息显示

注意：红框(recommended)部分就是系统推荐安装的显卡驱动版本-390

2）查看安装显卡驱动后的显卡信息

nvidia-smi

信息显示
注意：图片显示安装的显卡驱动是高于推荐版本390的450，CUDA Version为11.0

4、开始安装
     Table 2 来源

1）下载cuda安装包
     从显卡信息显示可以看到安装的显卡驱动CUDA Version为11.0，所以下载CUDA Toolkit 11.0
     CUDA官网下载：https://developer.nvidia.com/cuda-toolkit-archive

注：建议下载runfile(后缀为.run)，deb是另一种类型的安装文件

2）禁用nouveau驱动

lsmod | grep nouveau

     无输出可以直接进行下一步，但有输出则代表nouveau正在加载，需要手动禁掉nouveau
     禁用方法可参考该链接博客内容，但我没有亲自尝试：https://blog.51cto.com/14204744/2464180?source=dra

3）进入该文件所在文件目录，给文件赋予执行权限

sudo chmod a+x cuda_11.0.2_450.51.05_linux.run

（上述命令不太懂有没有必要，但是执行了也没问题）

4）根据官网给的命令，运行run文件

sudo sh cuda_11.0.2_450.51.05_linux.run

第一步：continue
第二步：accept
第三步：选择需要安装的包

#安装选项，由于我已经安装有Driver: 450.80.02，所以没有选择。
│ CUDA Installer se Agreement
│ - [ ] Driver
│      [ ] 450.51.05
│ + [X] CUDA Toolkit 11.0
│   [X] CUDA Samples 11.0
│   [X] CUDA Demo Suite 11.0
│   [X] CUDA Documentation 11.0
│   Options  
│   Install   
#[ ]不选择，带X的是选择安装的部分，只有CUDA Toolkit 11.0是必选项，其他可选可不选
# Install进入下一步
————————————————

     往下都是yes或者all install之类的，由于是在安装之后才写了说明文档，无图不再赘述
     安装完成：安装中没有选择Driver，所以是Not Selected，若安装中也没有选择CUDA Samples 11.0，那么Samples那一栏也会显示Not Selected

5）添加环境变量
     打开主目录下的.bashrc文件在末尾添加这两行

export PATH=$PATH:/usr/local/cuda-11.0/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.0/lib64

注意：其他版本的cuda就要改一下cuda-xx.x

     保存文件后，执行命令，使环境变量生效

source ~/.bashrc

6）验证CUDA是否安装成功
方法一：

nvcc -V

信息显示

方法二：编译samples例子

cd /usr/local/cuda-11.0/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

信息显示

出现Result = PASS则表示安装成功通过

5、卸载CUDA
     参考博客：https://blog.csdn.net/qq_33200967/article/details/80689543#_59

2.cuDNN安装

1）官网下载cuDNN:https://developer.nvidia.com/rdp/cudnn-archive

根据系统和CUDA版本选择安装包，8.0.3还是8.0.4影响不大，一般选择新的就可以

下载后对应文件为

2）按顺序输入

sudo dpkg -i libcudnn8_8.0.4.30-1+cuda11.0_amd64.deb
sudo dpkg -i libcudnn8-dev_8.0.4.30-1+cuda11.0_amd64.deb
sudo dpkg -i libcudnn8-samples_8.0.4.30-1+cuda11.0_amd64.deb

3）验证

cp -r /usr/src/cudnn_samples_v8/ ~/
cd ~/cudnn_samples_v8/mnistCUDNN
make clean && make
./mnistCUDNN

信息显示

Test passed！表示成功

3.Anaconda安装

1）官网下载地址：https://www.anaconda.com/products/individual#download

清华镜像包下载地址：https://mirror.tuna.tsinghua.edu.cn/help/anaconda/

安装命令

sudo bash Anaconda3-2020.11-Linux-x86_64.sh 

安装过程图可参考该博客：Ubuntu16.04下Anaconda3的安装

3.PyTorch安装

1、建议先创建一个虚拟环境

conda create -n pytorch1.7 python=3.7
# pytorch1.7 自定义的环境名称
# python=3.7 指定该环境下的python版本

conda info --envs # 查找虚拟环境
conda创建环境时可能报错：NotWritableError: The current user does not have write permissions to a required path

2、启动（激活）虚拟环境

conda activate pytorch1.7

信息显示

PS：退出当前虚拟环境命令

conda deactivate
查看所有的虚拟环境
conda info -e
删除虚拟环境
conda remove -n pytorch1.7 --all

3、安装
2022年3月22日更正，官网界面已无11.0选项，但其他页面有pytorch与CUDN版本对应的显示
2022.3.22添加版本链接https://pytorch.org/get-started/previous-versions/
在同一环境下建立了新的虚拟环境安装PyTorch，使用下图灰色部分的命令，同样需要如下方步骤3) 中检查列出的安装包版本是否与黑图中一致，不为cpu版本。
=下方为原内容不变==========================

1）官网链接
图3-1 官网下载界面
如果直接使用官方下载命令，一般很难成功安装，最后出现提示

An HTTP error occurred when trying to retrieve this URL.
HTTP errors are often intermittent, and a simple retry will get you on your way.

2）添加清华镜像

由于镜像网址时不时地有变动，最好搜索最新的清华镜像进行添加

参考1（讲得比较细）
参考2
参考3
综合了3个博客的信息，最后添加命令为

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/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/
conda config --set show_channel_urls yes

.condarc文件显示为

3）需要先查看官方涉及的下载包
命令是图3-1中的红框

conda install pytorch torchvision torchaudio cudatoolkit=11.0 -c pytorch

信息显示

关注pytorch安装包的版本

4）查看镜像给予的下载包
命令是图3-1中的黄框

conda install pytorch torchvision torchaudio cudatoolkit=11.0

注意：对比两种命令涉及的安装包版本，镜像命令下的安装包容易因为网址的不全、不能提供最新的安装包，导致pytorch会配cpu版本

镜像包的版本与官方一致后，再由Proceed([y]|n)?选择y进行安装

5）验证

#查看pytorch版本
import torch
print(torch.__version__)

信息显示

#查看是否是gpu版本
import torch
flag = torch.cuda.is_available()
print(flag)

信息显示

还可以选择pip离线安装PyTorch，不需要额外配置镜像
离线安装pytorch
ubuntu18.04离线安装pytorch