Y9000P + ubuntu22.04深度学习环境的搭建：英伟达驱动+CUDA11.8+cuDNN8.60+ TensorRT8.5.3.1的配置过程_y9000p 深度学习

一. NVIDIA驱动安装

使用命令：ubuntu-drivers devices 获取可用驱动信息

系统设置-->软件和更新-->附加驱动-->应用更改。

当然也可以采用命令安装或者到NVIDIA官网下载手动安装

驱动装好后在终端执行：nvidia-smi 如果出现如下图则安装成功

二.CUDA的安装

CUDA Toolkit Archive | NVIDIA Developer 官网下载cuda11.8，按步骤进行安装，注意在安装cuda时取消驱动安装这个选项

按照上图中选择自己对应的选项，然后执行提供的两条安装命令即可(在主目录下创建cuda文件夹，然后把下载好的安装包复制到cuda 文件夹下，然后打开终端，进入cuda文件夹，

执行

sudo sh cuda_11.8.0_520.61.05_linux.run

)

以上命令中的版本号要根据你选择的版本修改,依次执行以上命令

如果出现以下界面，提醒你已经安装了driver的时候，直接continue。

经过一小会的卡顿后，选择accept

当选择安装内容的时候，务必把driver前面的x取消掉，按回车键取消勾选，因为我们已经安装了驱动！！！，否则会出现[ERROR]: Install of driver component failed.的情况

之后选择install便可完成cuda的安装，安装成功如下图所示

配置环境变量

修改环境变量文件

sudo gedit ~/.bashrc

将下面代码，写入文件最下方

export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-11.8/bin:$PATH
export CUDA_HOME=/usr/local/cuda-11.8:$CUDA_HOME

然后保存退出,执行如下命令

source ~/.bashrc

此时再运行nvcc -V，即可发现cuda已安装成功：

三.cuDNN的安装

NVIDIA官网cuDNN下载页面下载cuDNN8.6.0的对应版本压缩文件夹。

在主目录创建cudnn文件夹，将下载好的压缩包拷贝到该文件夹下，然后解压,进入到解压后的文件夹

解压后将对应include和lib中的文件拷贝到cuda-11.8的include和lib64文件夹中：

sudo cp -r lib/* /usr/local/cuda-11.8/lib64
sudo cp -r include/* /usr/local/cuda-11.8/include

到此cuDNN安装完成，验证cuDNN，查看版本

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

可以看到是8.6.0版本

四.TensorRT安装

NVIDIA官网TensorRT下载页面下载TensorRT的对应版本压缩文件夹。

Log in | NVIDIA Developer

同cuDNN类似，解压后将对应include和lib中的文件拷贝到cuda-11.8的include和lib64文件夹中：

sudo cp -r lib/* /usr/local/cuda-11.8/lib64
sudo cp -r include/* /usr/local/cuda-11.8/include

打开配置文件

sudo gedit ~/.bashrc

 把如下代码添加到配置文件最末端

export LD_LIBRARY_PATH=/data/TensorRT-8.5.3.1/lib:$LD_LIBRARY_PATH
export LIBRARY_PATH=/data/TensorRT-8.5.3.1/lib::$LIBRARY_PATH

source配置文件

source ~/.bashrc

TensoRT安装测试

TensorRT解压文件夹中找到sample目录下的sampleOnnxMNIST，在该目录中make一下，并在生成bin目录下执行：./sample_onnx_mnist。（注意图片中的文件路径）

至此上述环境配置完成，后面在装pytorch深度学习框架