非root用户在linux下安装CUDA9.2

1、原因

最近在跑Semantics-guided Part Attention Network的代码，作者给出的环境配置是python3.6与pytorch1.6。于是，自己首先创建一个虚拟环境，并使用python3.6

然后，依据requirements.txt的，安装了torch1.6：

原本以为安装好之后，代码就可以跑起来，可是，现实却给了一巴掌，错误如下：

通过torch.cuda.is_available()为false，可以看出安装的torch1.6框架并不能使用预装好的CUDA10.0，进而使用不了显卡进行训练。

对于torch1.6不能使用CUDA10.0，去torch的官网看了一下，发现torch1.6只支持CUDA9.2,CUDA10.1,CUDA10.2，并不支持CUDA10.0，需要非root用户在linux下安装CUDA9.2和对应的cuDNN，服务器是团队或者项目组的，因此CUDA还是自己的好用！！！

2、为什么安装CUDA9.2，而不是10.1与10.2

2.1 查看CUDA驱动版本

驱动版本即为cuda driver version，输入nvidia-smi，看到我们服务器上的为：

输入cat /proc/driver/nvidia/version，也可以得出CUDA驱动版本

由不同版本cunda对应的NVIDIA驱动版本的对应表，以及390.46<410.78<418.39可知，我们可以安装CUDA9.2而不是CUDA10.1或CUDA10.2

2.2 查看base environment中CUDA运行版本

运行版本即为cuda runtime version，在基础环境中，是安装在python中的cudatoolkit和cudNN程序包的版本：

• 通过cat /usr/local/cuda/version.txt来查看在base environment中安装的cudn版本
• 通过cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2查看cudNN的版本，若出现下面的第一个信息则表示安装成功。
  

2.3 查看当前虚拟环境中CUDA版本

• 输入pip list即可看到相应的CUDA，但是在此指令之中，没有看到相应的CUDA版本，是当前的pip版本中未安装CUDA。
  
• 或者输入conda list，看到CUDA与cudNN的版本为：
  

参考：https://blog.csdn.net/weixin_36474809/article/details/87820314

<