UMI复现基础环境安装配置全流程（一）——CUDA和cuDNN

首先安装Ubuntu22.04，此处不介绍。

安装CUDA和cuDNN需要先后完成以下几步，注意先后顺序： 

1. 安装显卡驱动，完成后nvidia-smi指令可以使用🚀；
2. 安装CUDA Toolkit，安装完成后nvcc -V指令正常输出🚀；
3. 安装cuDNN，安装完成后PyTorch可以调用相关的计算包🚀。

nvidia-smi指令查看的是驱动版本的CUDA（CUDA Driver）。nvcc -V查看的是PyTorch等深度学习环境调用的版本CUDA（CUDA Toolkit）。这里只需要 CUDA Driver≥CUDA Toolkit即可。

目录

一、安装NVIDIA驱动

二、安装CUDA

1.查看系统架构

2.选择CUDA版本

3. 安装CUDA

三、安装cuDNN

1.选择cuDNN版本

2.安装cuDNN

---

一、安装NVIDIA驱动

安装指令：

ubuntu-drivers devices
sudo apt install nvidia-driver-535

查看安装结果：

nvidia-smi

二、安装CUDA

1.查看系统架构

uname -m

2.选择CUDA版本

CUDA相关内容可从CUDA官网查看

CUDA版本选择一定要与主流pytorch相结合，可从pytorch官网查看

虽然推荐安装新版本，但是由于pytorch很多扩展库尚未开发这么快，所以选择CUDA11.8

在CUDA下载选择对应版本

网络不好就推荐本地下载安装，选择对应架构和版本

3. 安装CUDA

检查安装环境：包括确认gcc已安装，确认已禁用nouveau

gcc --version
lsmod | grep nouveau

运行cuda.run文件

sudo sh cuda_11.8.0_520.61.05_linux.run

Existing package manager installation of the driver found. It is strongly recommended that you remove this before continuing

选择continue

输入accept

此处对应了文章开头所讲，去掉CUDA Driver只安装CUDA Toolkit

安装完成，记着截图看下安装地址：/usr/local/cuda-11.8/

重启终端，写入系统环境变量

sudo gedit ~/.bashrc

输入

export PATH=$PATH:/usr/local/cuda-11.8/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.8/lib64
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-11.8

测试安装情况

nvcc -V

三、安装cuDNN

1.选择cuDNN版本

cuDNN官网下载安装包

本文选择cuDNN v8.9.0版本，此处建议相同版本，具体原因在2中会讲

下载完deb文件后安装

2.安装cuDNN

运行安装指令

sudo dpkg -i cudnn-local-repo-ubuntu2204-8.9.0.131_1.0-1_amd64.deb

此处注意两点，首先，会自动生成下一步的运行指令，导入CUDA GPG key，复制粘贴运行

sudo cp /var/cudnn-local-repo-ubuntu2204-8.9.0.131/cudnn-local-2063C34E-keyring.gpg /usr/share/keyrings/

其次，根据运行指令，可以看出在/var/cudnn-local-repo-ubuntu2204-8.9.0.131/文件夹会生成三个文件，其命名方式对应了CUDA版本，因此1中选择此版本cuDNN

更新包缓存

sudo apt-get update

验证安装结果

dpkg -l | grep cudnn

出现下图则cuDNN已经成功安装。已经安装了以下组件：

cudnn-local-repo-ubuntu2204-8.9.0.131

libcudnn8（cuDNN运行库）

libcudnn8-dev（cuDNN开发库和头文件）

libcudnn8-samples（cuDNN示例）

进一步运行示例

制示例代码到工作目录

cp -r /usr/src/cudnn_samples_v8/ $HOME

进入该目录并编译示例代码

cd $HOME/cudnn_samples_v8/mnistCUDNN
make clean && make

如果遇到错误fatal error: FreeImage.h: No such file or directory，表明系统中缺少FreeImage库

则安装缺失的FreeImage库，运行

sudo apt update
sudo apt install libfreeimage-dev

然后，重新编译示例代码，正确结果应该如下

可以忽略关于架构的警告，compute_35, sm_35, sm_37已被弃用

运行编译后的示例程序来验证

./mnistCUDNN

正确结果应显示“Test passed!”的消息

此时，cuDNN安装完成。