ubuntu18.04 安装Anaconda、 CUDA、cudnn、PyTorch(GPU)_pytorch anaconda cuda11.4 ubuntu

Ubuntu18.04(非虚拟机)下Anaconda3 + CUDA + cudnn + PyTorch(GPU)安装记录

1. Anaconda3 安装

官网下载地址：https://developer.nvidia.com/cuda-toolkit-archive。

清华大学开源软件镜像站下载地址： Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

sh Anaconda3-2019.10-Linux-x86_64.sh

2、安装cuda

开始安装之前最好卸载NVIDIA的显卡驱动，并且禁用Ubuntu自带的驱动，然后手动安装NVIDIA显卡驱动，原因不是因为这么做是最好的，而是这么做成功了。

2.1 卸载NVIDIA显卡驱动

下面哪个都可以试试，卸载就行

sudo apt-get purge --remove nvidia*
sudo ./usr/bin/nvidia-uninstall
sudo apt-get install autoremove --purge nvidia*

如果之前有CUDA，最好也卸载掉

sudo ./usr/local/cuda-11.4/bin/cuda-uninstaller

2.2 禁用自带nouveau驱动

sudo gedit /etc/modprobe.d/blacklist_nouveau.conf

重启电脑，运行

lsmod | grep nouveau

，如果啥都没有，那说明OK了。

2.3 重新安装NVIDIA驱动

终端输入

ubuntu-drivers devices

查看系统推荐的版本，我的是470。(有一个recommended)

然后直接终端执行

sudo apt-get install nvidia-driver-470-server

即可，不同的设备安装的驱动版本不一样，千万看好，我自己的台式机是470。
最后测试，终端输入

nvidia-smi

，可以看到我的显卡驱动为470.57.02，推荐的CUDA版本为11.4。

 2.4 CUDA安装

直接去官网，CUDA Toolkit 11.5 Downloads | NVIDIA Developer，找到自己的对应版本就OK。然后下载一个run文件，之后直接终端执行sudo sh xxxxx.run即可，如果之前装过驱动，可能新版本的CUDA会提示类似于“你的电脑已经安装了某个版本的显卡驱动，您选择先卸载还是继续”之类的话，就选择继续。然后下边会弹出一个option，问我们哪些module是我们需要的，其中第一个就是driver，不要选择这个就好了。

 进入到run文件的目录，打开终端，执行

sudo sh xxx.run

 

 

 

查看显卡驱动是否安装

nvidia-smi

 如果显卡驱动没有安装，不需要单独安装，安装CUDA过程中勾选显卡驱动（默认已经选择）

 如果显卡驱动已经安装，在安装CUDA过程中不勾选显卡驱动

 

配置环境变量
sudo gedit  ~/.bashrc
 
export PATH=$PATH:/usr/local/cuda-11.4/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.4/lib64
export LIBRARY_PATH=$LIBRARY_PATH:/usr/local/cuda-11.4/lib64
 
更新环境变量
>>> source ~/.bashrc
 
查看cuda是否安装成功
nvcc -V
 
输出内容与下方类似则OK。
 
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2021 NVIDIA Corporation
Built on Sun_Aug_15_21:14:11_PDT_2021
Cuda compilation tools, release 11.4, V11.4.120
Build cuda_11.4.r11.4/compiler.30300941_0

测试2

编译运行sample，进入安装目录：/usr/local/cuda-11.4/samples/0_Simple/vectorAdd，这只是其中一个例子，我们可以选择任意一个，然后执行

sudo make

，之后运行

./vectorAdd

。
终端中会输出一大堆东西，最后一行如果是类似Pass、Test Pass之类的字样，就是成功了。

3、安装cudnn

官网可以找到与CUDA版本相对应的cudnn，https://developer.nvidia.com/rdp/cudnn-download。

cuda11.4对应cudnn v8.22

绕过注册，复制链接，用迅雷下载

4、安装pytorch