Linux Ubuntu 配置Anaconda3+cuda+cuDNN+torch

办公室买了一台新电脑，又是安环境的一天……记录一下所有的过程。参考了很多很多很多的博客，已经很难找到链接了，感谢所有分享经验的大佬。

详细过程

安装 anaconda3

1. 下载
   清华 anaconda 镜像源
   找到合适的版本，使用 wget 命令下载
   wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2021.11-Linux-x86_64.sh
2. 安装
   可以安装在 /opt/ 目录下。（该目录一般存放大型软件）
   bash Anaconda3-2021.11-Linux-x86_64.sh
3. 配置环境变量
   vim ~/.bashrc
   在文末加上 anaconda3/bin 的绝对路径
   export PATH=$PATH:/home/software/anaconda3/bin
   保存退出，运行以下命令使其生效：
   source ~/.bashrc
4. 验证
   conda -V

可能出现的问题

• 切换用户之后 conda 命令不存在
  解决方法：在新用户下设置环境变量。

安装 cuda

安装 cuda 是一个艰难的过程……加油！
注意：版本选择问题：首先，务必先在官网确认你想下载的pytorch版本对应的cuda版本，再确定你的驱动的版本，有些cuda版本是没有对应的 torch 版本的（比如 cuda11.2）

安装前准备

1. 确认显卡驱动安装无误
   nvidia-smi
   出现下图是正确的。下面的 CUDA Version 指的是该版本的驱动支持的最高cuda版本。
   
   如果没有出现上图，说明显卡驱动装错了。换一个驱动。
   在 Ubuntu 下更换驱动的方法：软件和更新 -> 附加驱动 -> 选择你的心动驱动 -> 应用更改。如果提示重启生效，请重启，不要做无谓的挣扎。
2. 下载对应的安装文件
   前往官网下载对应的 cuda 文件。请注意，如果需要下载以前的版本，在网页下端 Resources 部分有 Archive of Previous CUDA Releases 链接，点进去可以下之前的版本。如下图：
   [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ueN37MgK-1670298206967)(:/429b2e56152549958415b37bb13b03d0)]
   选好之后，下面会给出下载的链接，运行
   wget https://developer.download.nvidia.com/compute/cuda/11.5.0/local_installers/cuda_11.5.0_495.29.05_linux.run
3. 确认依赖包已安装
   在安装 CUDA Toolkit 前，要确保系统安装了 gcc 和 make。如果希望使用 C++ 进行 CUDA 编程，需要安装 g++。如果想要运行 CUDA 例程序，需要安装相应的依赖库。（一般运行第二句就行了）
   sudo apt update # 更新 apt
sudo apt install gcc g++ make # 安装 gcc g++ make
sudo apt install libglu1-mesa libxi-dev libxmu-dev libglu1-mesa-dev freeglut3-dev # 安装依赖库
4. 确认nouveau已经禁用
   输入 lsmod | grep nouveau，无事发生则可以。一般正确安装了 nvidia 驱动这个就已经被禁掉了。
5. 关闭图形界面
   sudo telinit 3
   （可以通过 sudo systemctl start gdm3 回到图形界面）
   如果输入该命令后，黑屏，没有图形界面也没有命令界面，就是显示屏失去信号，那也许是显卡驱动的问题，请更换显卡驱动。

正式开始安装

1. 运行 cuda 文件
   sudo chmod a+x cuda_9.2_linux.run # 给cuda文件可执行权限
sudo ./cuda_9.2_linux.run --no-opengl-libs # 运行
   cuda主要有以下参数：
   • --no-opengl-libs：表示只安装驱动文件，不安装OpenGL文件。必需参数，原因同上。注意：不是-no-opengl-files。
   • --uninstall (deprecated)：用于卸载CUDA Driver（已废弃）。
   • --toolkit：表示只安装CUDA Toolkit，不安装Driver和Samples
   • --help：查看更多高级选项。
2. 安装注意事项
   1. 会先有个阅读声明，一直按D即可，然后accept。
   2. 选项install nvidia accelerated Graphics Driver,输入n，因为我们已经安装了nvidia的驱动。
   3. 选项install the OpenGL libraries,如果双显卡(集显+独显)选择n，如果只有独显可以选择y，如果双显卡选择y的话，会出现黑屏或者循环登录的问题，如果加了上面的参数就不会出现这个选项了。
   4. 后面的可以都选择yes，最后一个选项我们可以选择n,也就是不复制Samples，因为安装目录下有samples。
   5. 安装过程结束后会有以下信息：
      Driver ：Installed
      Toolkit ：Installed in /usr/local/cuda-9.2
      Samples ：Installed in /home/vincent
3. 修改环境变量
   这里可能需要重启一下。然后进入终端，修改环境变量
   vim ~/.bashrc
   在文末加上
   export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda
   保存退出，运行以下命令使其生效：
   source ~/.bashrc
   注意，我们这里写的环境变量是 /cuda 而不是 /cuda-11.2 之类的，这里可以通过软链接同时安装多个版本的 cuda 并进行管理。
   sudo rm -rf cuda # 删除之前的软链接
sudo ln -s /usr/local/cuda-11.2 /usr/local/cuda # 创建新的软链接
4. 验证是否安装成功
   nvcc -V

可能出现的问题

• 切换用户之后 nvcc 命令不存在
  解决方法：在新用户下设置环境变量。
• nvcc 命令不存在并且建议通过 apt 安装
  解决方法：这种很可能是因为环境变量没设置好，你已经安装过 cuda 了，所以不要再安一次。设置好环境再试试。记得设置好后用 source 命令使其生效。

安装 cudnn

1. 下载文件
   根据 cuda 版本，在官网找到对应的 cuDNN 版本。
   需要账号。自己申请一个就行，没什么限制。
   复制cuDNN库的链接，使用 wget下载或者下载。
2. 解压
   tar -xvf cudnn-linux-x86_64-8.4.0.27_cuda11.6-archive.tar.xz
3. 复制，授权
   cd cudnn-linux-x86_64-8.4.0.27_cuda11.6-archive
sudo cp lib/* /usr/local/cuda-11.2/lib64/
sudo cp include/* /usr/local/cuda-11.2/include/
sudo chmod a+r /usr/local/cuda-11.2/lib64/*
sudo chmod a+r /usr/local/cuda-11.2/include/*
4. 验证安装成功
   通过下面的命令查看安装情况，如果结果如下图逐行显示版本号，则安装成功。
   旧版为 cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2，新版为 cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
   

安装 pytorch

1. 新建并进入虚拟环境
   conda create env_name python=3.9
conda activate env_name
2. 获得下载链接并下载安装
   去官网获取对应版本的下载链接。如果用 conda 命令下载，一直卡在检查环境那里，可能是版本对应不完美，就算了别纠结，换成 pip 命令下载。
3. 验证安装成功
   进入 python，import torch
   torch.cuda.is_available()

可能出现的问题

如果报错 "ERROR: Could not find a version that satisfies the requirement … (from versions: …) "版本找不到，但是下载连接是从官网复制的，那么大概率是你的 python 版本太低或者太高，用 conda 命令改下 python 版本（至于改到哪个版本，你看你要下载的 pytorch 版本和报错信息中提供的版本，如果报错信息中有的版本比你要下载的基本都低，那就升高 python，具体升高到多少不确定，+0.2试试，不行再改）：

• python3 --version # 查看目前 python 版本
• conda install python=x.x # 更新 python 版本

快速查询

官网网址

清华 anaconda 镜像源
nvidia cuda 官网
nvidia cudnn 官网
pytorch 官网

版本选择

首先，务必先在官网确认你想下载的pytorch版本对应的cuda版本，再确定你的驱动的版本，有些cuda版本是没有对应的 torch 版本的（比如 cuda11.2）
其次，如果想装 detectron2，先去官网看看目前有哪些可以下载。如果你的 torch 版本或者 cuda 版本过高，可能会没有适配的 detectron2。

环境变量

切换用户之后无法使用：暂时我也没搞清为什么，所以每个用户都是设置的单独的环境配置文件。

1. vim ~/.bashrc
2. 使用 export 加入对应的环境，保存退出。
3. source ~/.bashrc

注意，最后这句不运行的话不起效

• conda 环境变量
  export PATH=$PATH:/home/software/anaconda3/bin
• cuda 环境变量
  export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda
• 切换 cuda 版本软链接
  sudo rm -rf cuda # 删除之前的软链接
sudo ln -s /usr/local/cuda-11.2 /usr/local/cuda # 创建新的软链接

验证

• 验证 conda
  conda --version
• 验证显卡驱动
  nvidia-smi
  如果没有打印表，说明显卡驱动装错了。换一个驱动，如果提示重启生效，请重启，不要做无谓的挣扎。
• 验证 cuda
  nvcc -V
  注意，这里如果显示无此命令，建议用 apt 安装，别信他的，这是因为没有配置好环境变量的原因，请按照环境变量那一节配置。
• 验证 cudnn
  旧版为 cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
  新版为 cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
• 验证 pytorch
  torch.cuda.is_available()