linux系统服务器无sudo权限升级cuda（两种方法）

Preliminary

首先搞清楚一些关系：

1. cuda & nvcc

nvcc是CUDA编译器,它是CUDA工具链的一部分。CUDA编译器是用于将CUDA代码编译为能够在NVIDIA
GPU上运行的可执行代码的工具。

查看cuda版本：

nvcc -V

2.cuda & cuda tookit:

conda install cuda：

这个命令通常用于安装完整的 CUDA 工具包，包括所有与 CUDA 相关的库和工具。这个工具包包括 CUDA
驱动程序、编译器（nvcc）、性能分析工具、文档以及其他开发工具。它适合需要完整 CUDA 开发环境的用户，特别是需要编译 CUDA
代码的情况。 该安装包会占用较大的存储空间，因为它包含了完整的开发和运行环境。

conda install cudatoolkit：

这个命令主要安装 CUDA 运行时库（runtime libraries），而不包括编译器和其他开发工具。它主要用于运行基于 CUDA
的应用程序，而不是开发新的 CUDA 应用程序。 这个安装包的体积相对较小，因为它只包含了运行时所需的库，适合那些只需要在环境中运行
CUDA 应用程序的用户。 总结来说，如果你只是需要运行依赖 CUDA 的应用程序，使用 conda install cudatoolkit
就足够了；如果你需要开发和编译 CUDA 应用程序，那么你需要使用 conda install cuda。

3. 使用nvidia-smi，查看右上角cuda version，此为推荐安装的最高cuda版本。

服务器升级cuda的两种途径（我用过的）：

1. conda 虚拟环境安装

conda 安装的命令：https://docs.nvidia.com/cuda/cuda-installation-guide-linux/#conda-installation
上面网页的第九章：conda-installation

常见问题：nvcc未随CUDA Toolkit一起升级

在创建虚拟环境并使用conda install命令安装CUDA Toolkit时，很多人遇到一个常见问题：安装CUDA Toolkit后，nvcc（CUDA编译器驱动程序）似乎没有随之更新。这通常是由于nvcc依旧指向base环境中的路径，导致使用nvcc -V命令查看CUDA版本时，显示的仍然是旧版本。

错误示例

假设我们在虚拟环境中运行以下命令：

conda create -n myenv python=3.8
conda activate myenv
conda install cudatoolkit=11.2 #(这个未必准确，要按版本到官网找相关代码)

然后我们查看nvcc版本：

nvcc -V

结果发现nvcc版本没有改变。这是因为conda install cudatoolkit命令只安装了CUDA库，而没有安装nvcc编译器。

正确的升级方法
为了解决上述问题，我们需要确保在虚拟环境中安装完整的CUDA，包括nvcc。正确的命令应该是：

conda create -n myenv python=3.8
conda activate myenv
conda install cuda=11.2 #(这个未必准确，要按版本到官网找相关代码)

这样可以确保nvcc和CUDA库都正确安装在虚拟环境中。
再次查看nvcc版本，这时显示的CUDA版本应该与我们安装的版本一致。

2. nvidia官网 .run下载安装

有的时候想要安装低版本的cuda，conda没有现有的链接。这个时候推荐到官网安装.run文件。

到官网，查询对应的cuda版本，使用官网给出的wget下载，使用sh运行安装程序。官网给出的下载代码有sudo，可以把开头的sudo去掉。

官网链接：https://developer.nvidia.com/cuda-toolkit-archive

运行.run之后，首先accept协议，然后会跳转到选择安装文件。显示的图[2]应该如下：
一般不推荐安装多个驱动，取消安装drive。

在option中选择更改安装路径：Change Tookit Install Path，然后更改到自己的用户文件夹下（最好新建一个文件夹存放）。

默认路径装到/usr下，假如没有sudo权限，会显示Permission Denied。

Optional[2]:

安装好后就可以安装cudnn

cuDNN Archive | NVIDIA Developer

选择对应版本，建议安装后缀为tgz的

然后解压，复制一些文件，记得把路径改成你自己的

tar -zxvf cudnn-10.0-linux-x64-v7.6.4.38.tgz cp cuda/include/cudnn.h
/home/wanggexuan/cuda-10.0/include/ cp cuda/lib64/libcudnn*
/home/wanggexuan/cuda-10.0/lib64 chmod a+r cuda/include/cudnn.h
cuda/lib64/libcudnn*

最后，配置cuda环境变量

先更新当前 Bash 会话环境的命令：

source .bashrc

将cuda加入到环境变量中去，记得修改路径：

export PATH="$PATH:/home/wgx/cuda-10.0/bin"
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/home/wgx/cuda-10.0/lib64/"
export LIBRARY_PATH="$LIBRARY_PATH:/home/wgx/cuda-10.0/lib64"

验证路径和环境变量

如果在升级后仍然遇到问题，可以检查以下几点：

1.检查nvcc路径：

which nvcc

确保nvcc指向虚拟环境中的路径。

2.检查CUDA路径：

echo $PATH
echo $LD_LIBRARY_PATH
echo $CUDA_HOME

确保环境变量CUDA_HOME设置为虚拟环境中的CUDA路径，而不是base环境中的路径。

3.检查环境变量：

env | grep CUDA

查看所有与CUDA相关的环境变量，确保它们指向正确的路径。

通过以上方法，可以确保在虚拟环境中正确升级和配置CUDA版本，从而避免由于路径问题导致的编译和运行错误。

参考链接：
【1】https://blog.csdn.net/qq_41094058/article/details/116207333
【2】https://blog.csdn.net/weixin_45944960/article/details/130000445