018、Python+fastapi，第一个Python项目走向第18步：ubuntu24.04 安装cuda和pytorch环境

一、说明

我们安装了pytorch环境之后，会用yolo v9 来测试一下，看8g 显存能不能跑下来，上次用无影云电脑，4cpu+8g内存直接爆了，云电脑也死机了，提示一直占用内存不释放，我自己的云电脑不能占用内存，所以很黑啊，这云电脑和我们自己装的虚拟机差不多，几个虚拟机不是实给的资源，是共用的吧，我用了8g满了，而且不释放，这样不行啊，直接让你死机了，废话少说，Anaconda3我们前面文章里装过了，

二、安装Anaconda3

008、Python+fastapi，第一个后台管理项目走向第8步：ubutun 20.04下安装vscode+python环境配置-CSDN博客

wget 下载

wget https://repo.anaconda.com/archive/Anaconda3-2024.02-1-Linux-x86_64.sh

bash Anaconda3-2024.02-1-Linux-x86_64.sh
#为了能让系统找到conda程序
source ~/.bashrc

(base) victor@victor:~/tools$ conda -V
conda 24.1.2
这表示安装成功了

三、安装虚拟环境

1、配置清华源

以前我们用新的python都会出问题，这次我们用python12看看行不行

conda config --remove-key channels

#添加镜像源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
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/r
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2

#显示检索路径
conda config --set show_channel_urls yes

#显示镜像通道
conda config --show channels

(base) victor@victor:~/tools$ conda config --show channels
channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - defaults

2、虚拟环境创建

(base) victor@victor:~/tools$ conda create -n yolo9 python=3.9

Proceed ([y]/n)? y

Downloading and Extracting Packages:

Preparing transaction: done
Verifying transaction: done
Executing transaction: done
#
# To activate this environment, use
#
#     $ conda activate yolo9
#
# To deactivate an active environment, use
#
#     $ conda deactivate

(base) victor@victor:~/tools$ conda activate yolo9
(yolo9) victor@victor:~/tools$ python -V
Python 3.9.19

四、安装cuda

1、查看cuda版本

 使用nvidia-smi命令查看cuda版本

这个表示cuda本版不大于12.2就可以了，也不一定非要一样 

 2、安装cuda

选择cuda版本

Start Locally | PyTorchhttps://pytorch.org/get-started/locally/

 我们从pytorch官网来看怎么选择

选择最新的pytorch=2.3.0 cuda=11.8

通过仓库直接安装cuda

(yolo9) victor@victor:~/tools$ conda search cudatoolkit

(yolo9) victor@victor:~/tools$ conda install cudatoolkit==11.8.0
 

3、安装cudnn

cuDNN Archive | NVIDIA Developerhttps://developer.nvidia.com/rdp/cudnn-archive

 查看版本

(yolo9) victor@victor:~/tools$ conda search cudnn
cudnn                          7.6.5      cuda10.0_0  anaconda/pkgs/main
cudnn                          7.6.5      cuda10.0_0  pkgs/main
cudnn                          7.6.5      cuda10.1_0  anaconda/pkgs/main
cudnn                          7.6.5      cuda10.1_0  pkgs/main
cudnn                          7.6.5      cuda10.2_0  anaconda/pkgs/main
cudnn                          7.6.5      cuda10.2_0  pkgs/main
cudnn                          7.6.5       cuda9.0_0  anaconda/pkgs/main
cudnn                          7.6.5       cuda9.0_0  pkgs/main
cudnn                          7.6.5       cuda9.2_0  anaconda/pkgs/main
cudnn                          7.6.5       cuda9.2_0  pkgs/main
cudnn                          8.2.1      cuda11.3_0  anaconda/pkgs/main
cudnn                          8.2.1      cuda11.3_0  pkgs/main
cudnn                       8.9.2.26        cuda11_0  anaconda/pkgs/main
cudnn                       8.9.2.26        cuda11_0  pkgs/main

对比以上两图，我们可以选择8.9.2.26满足要求

(yolo9) victor@victor:~/tools$ conda install cudnn==8.9.2.26

五、安装pytorch

我感觉前面是否都不用安装，直接下面cuda就应该会安装好，没试过，就按照这么来吧

(yolo9) victor@victor:~/tools$conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

Preparing transaction: done
Verifying transaction: done
Executing transaction: done
 

六、测试各版本是否正确

(yolo9) victor@victor:~/tools$ python -V
Python 3.9.19
(yolo9) victor@victor:~/tools$ conda -V
conda 24.1.2
(yolo9) victor@victor:~/tools$ python
Python 3.9.19 (main, Mar 21 2024, 17:11:28)
[GCC 11.2.0] :: Anaconda, Inc. on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> print('torch',torch.__version__)
torch 2.3.0
>>> print('cuda',torch.version.cuda)
cuda 11.8
>>> print('cudnn',torch.backends.cudnn.version())
cudnn 8700
 

我记得我安装的cudnn 是8.9.2.26

现在是8700，是不是8.7.0.0 反正能用就行

按照网站https://developer.nvidia.com/rdp/cudnn-archive上面的8.7.0也是可以的

今天到这里了，明天我们运行一下yolo v9