搭建cuda，cudnn，pytorch环境

2023-12-26 13:47:09

更换gcc版本

sudo apt install gcc-10
sudo rm /usr/bin/gcc
sudo ln -s /usr/bin/gcc-10 /usr/bin/gcc

安装NVIDIA驱动

禁用图形界面

sudo systemctl set-default multi-user.target
sudo reboot

开机后按 ctrl + alt + f1进入命令行

安装Driver

参考这篇文章

https://www.cnblogs.com/chua-n/p/13208398.html

卸载驱动：

sudo apt-get --purge remove nvidia-*
sudo apt-get --purge remove "*nvidia*"

在 https://www.nvidia.cn/Download/index.aspx?lang=cn 下载对应的驱动

安装包装包即可。

接着就可以用nvidia-smi查看显卡

可以看到我已经安装好了驱动Driver-470

这个cuda-version值得是我能够使用的cuda最高版本，11.4可以用，那么11.1也可以用。

安装CUDA

卸载原来的cuda：

sudo apt autoremove cuda
sudo apt --purge remove "*cublas*" "cuda*"

下载cuda11.1（run版本，而不是deb版本），和对应的cudnn

安装cuda11.1需要满足：

gcc >=9.3.0
有root权限

注意!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!

sudo bash cudaXXX.run之后会有两次交互的选择：

1）填accept表示接受协议

2）自选安装组件，我们一定要取消安装Driver，因为Driver不允许降级，如果不取消安装Driver会导致安装失败。

报错：

Executing NVIDIA-Linux-x86_64-455.23.05.run --ui=none --no-questions --accept-license --disable-nouveau --no-cc-version-check --install-libglvnd 2>&1
[INFO]: Finished with code: 256

安装完成之后要配置环境

此时/usr/local/有两个cuda文件夹，一个是cuda一个是cuda-11.1，cuda就是cuda-11.1的硬链接。

添加环境变量

export PATH=/usr/local/cuda-11.1/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64:$LD_LIBRARY_PATH

安装CUDNN

选择 cudnn library for linux

下载压缩文件后，解压缩得到一个cuda文件夹，直接拷贝文件就行了

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

接着安装deb包，

下载

用 sudo dpkg -i xxx.deb 进行安装：

安装顺序： libcudnn8_8 libcudnn8-dev libcudnn8-samples ，这是上面三个deb文件的前缀。

安装之后进行测试：

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

如果出现 fatal error: FreeImage.h ，执行

sudo apt-get install libfreeimage3 libfreeimage-dev

再一次执行：

make clean && make 
./mnistCUDNN

输出test passed！代表可以正常使用cudnn

装pytorch

执行：

conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c nvidia

测试：

import torch
torch.cuda.is_available()

输出True，表示有gpu

结束

恢复图形界面

sudo systemctl set-default graphical.target
sudo reboot

结语:

按照这样方式即可搭建cuda环境。

码农公寓