deepin15.9安装PyTorch,cuda和cudnn

1. 进入Bios关闭集成显卡
2. 对deepin换源

第一步：备份官方默认源
sudo cp /etc/apt/sources.list /etc/apt/sources.list.bak
第二步：打开sources.list
sudo gedit /etc/apt/sources.list
第三步：换源
## Generated by deepin-installer
deb [by-hash=force] http://mirrors.ustc.edu.cn/deepin panda main contrib non-free
#deb-src http://mirrors.ustc.edu.cn/deepin panda main contrib non-free

3. 打开deepin系统中的深度显卡驱动管理器,切换为闭源
   (或者通过禁用nouveau驱动手动选择对应的驱动进行安装),两种方法均需重启.

4. 安装nvidia-smi

sudo apt install nvidia-smi

5. 安装cuda（源内版本目前为9.1）

sudo apt install nvidia-cuda-dev nvidia-cuda-toolkit nvidia-nsight nvidia-visual-profiler

安装完毕之后，可以使用 nvcc -V 验证

6. 安装cudnn
   先解压，使用管理员权限将解压后的文件cuda复制到/usr/local/
   文件下(我选的是cudnn7.3.1)。然后赋予读写权限：

sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

使用gedit ~/.bashrc,在文末添加环境变量：

# cuda
export LD_LIBRARY_PATH="/usr/local/cuda/lib64:$LD_LIBRARY_PATH"

7. 安装anaconda

conda create -n PyTorch python=3.6  # 创建PyTorch环境
conda activate PyTorch  # 激活环境

8. 安装PyTorch

conda install pytorch torchvision cudatoolkit=9.0  # 比起官网少了-c pytorch，这是因为使用了中科院的镜像源

9. 在pycharm中进行验证：

import torch
print(torch.cuda.is_available())  # 打印True安装成功
a = torch.tensor(1.)
b = a.cuda()
print(b)