Ubuntu+CUDA+Pytorch搭建全过程及防踩雷指南

Ubuntu + CUDA + Pytorch 搭建全过程及防踩雷指南

近期装了一台新机子，主要是安装Nvidia的驱动、CUDA和Pytorch，磕磕绊绊碰壁了几次，终于能跑通了。参考了网上特别多教程，在这里做一点小总结也分享给大家~

1. Anaconda环境

Anaconda环境的装配网上教程都蛮清晰，具体是从官网下下来安装包后用bash运行，基本不会出什么差错，可以参考下文：
https://blog.csdn.net/qq_15192373/article/details/81091098
装完Anaconda环境后可以新建一个虚拟环境，试装就叫Pytorch好了

conda create -n Pytorch python = 3.8

按y确定，然后激活这个虚拟环境

conda activate Pytorch

2. Nvidia驱动

好啦，现在我们可以看看电脑有没有Nvidia驱动，一般毛坯机是没有的，先试试这个代码nvidia-smi
发现他提示你没有指令，给你推荐了几个可以下载的，这时不着急按他提示做，因为你下载下来的版本会比较低，我们可以下一些新版的驱动。

我们进入系统的“软件与更新”，可以看到里面有“附加驱动”，选择适合显卡的驱动版本号（这里可以去nvidia官网查询适合的驱动号是多少）
需要注意的是，可能上面并没有你想要的版本号（一般是太旧了）这时左下角可能有一个按钮是“更新”，等他更新完后就可以看到更多的驱动版本了。
另外，网上也有用其他方式安装的，当时没有采用那些方式，个人还是比较推荐这种。
记得安装完之后要重启电脑，装好之后，我们再输入nvidia-smi，就可以看到电脑的各种参数了，请注意在右上角可以查看到CUDA的版本号（我在这里是11.6），这在后面会非常关键。

3. 安装CUDAtoolkit

如果你是小白的话可能分不清装CUDA并不意味着你有CudaToolKit，要验证你的电脑是否有CudaToolKit，可以用以下指令：nvcc -V
很显然在安装前，这个指令是会报错的，这时候就上官网下载相应版本的CudaToolKit，这里的版本要尽可能跟刚刚查到的CUDA版本号相同，虽然有一些向下兼容的情况，但是如果版本一样会省去很多不必要的麻烦。

在这里要注意的雷区是，如果输入nvcc -V没有输出的话，系统会提示你用一个指令下载cudatoolkit

sudo apt-get install nvidia-cuda-toolkit

结果下载下来的版本会跟你的CUDA差很多，例如我的CUDA是11.6，下载下来的CUDAtoolkit版本只有9.1，这会导致之后产生很多不必要的兼容问题。

安装成功后，可以使用nvcc -V查看cudatoolkit，但这个时候可能还是没有输出，因为cudatoolkit需要添加进环境变量中，我们打开~/.bashrc配置环境变量（可以用vim），
输入以下的代码

export PATH=$PATH:/usr/local/cuda-11.6/bin

这里的cuda版本是和我安装的版本一样的，如果你安装不同的版本，进入/usr/local/文件夹下查看你的cuda安装包是什么名字。
:wq保存退出vim后，在terminal里运行以下代码

source ~/.bashrc

完成后再尝试nvcc -V，如果成功输出说明安装成功。

4. 安装Pytorch

如果已经成功完成了上面几项工作，那你离成功应该不远了，这个时候只需要再去官网安装相应的版本就可以了。Pytorch是可以向下兼容的，所以找到比你CUDA版本低的Pytorch就可以了，不用低太多，适合即可。在这里要注意的是，因为下载速度的问题，当时去改成了清华源进行下载，结果反倒弄巧成拙，会下载到cpu的版本。当然不是不能切换成清华源，而是如果切换了尽可能使用pip来安装，这样不会下载到清华源里conda的安装方式，从而装成cpu版本。不过即便如此也有可能会安装成功但运行失败，最保险的方法还是官网直接下载。安装成功之后，输入以下代码检测一下你的pytorch能不能使用CUDA，如果你想要很好的运算能力的话还是需要在GPU上跑网络。

import torch
print(torch.cuda.is_available())

结果为True的话，说明你的安装已经完成啦！
另外，网上还有一些博主会安装CUDNN，貌似Pytorch的运行是不会用到这个的，如果要安装是需要注册Nvidia账号的，建议还是走官方的渠道安装。

总结

这篇博文主要是总结一下这几天以来安装踩到的坑，日后装机或许还会用到，分享出来希望能帮助到大家，也欢迎各位大佬批评指正~~