安装cuda、cudnn、pytorch-gpu

安装CUDA 11.8

按照官网步骤一步一步装完即可，安装完之后配置路径

sudo vim ~/.bashrc

添加

export PATH=/usr/local/cuda-11.8/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH
export CUDA_ROOT=/usr/local/cuda-11.8
export CPATH=/usr/local/cuda-11.8/include:$CPATH

下载CUDA 11.8对应的CUDNN

Download cuDNN v8.9.3 (July 11th, 2023), for CUDA 11.x

Local Installer for Linux x86_64 (Tar)

tar -xvf  ""

进入到解压后的文件，分别把include和lib复制到

/usr/local/cuda-11.8/include 和 /usr/local/cuda-11.8/bin64 中

添加权限

sudo chmod a+r /usr/local/cuda-11.8/include/cudnn.h

sudo chmod a+r /usr/local/cuda-11.8/lib64/libcudnn*

验证

进入到 /usr/local/cuda/extras/demo_suite

./bandwidthTest 和 ./deviceQuery，最后看到

Result = PASS

就是安装成功

然后安装anaconda

nvcc -V   查看cuda版本

https://www.anaconda.com/download#downloads

xxxxxxxxxx -c //在客户端模式下运行-u //使用UDP而不是TCP–sctp //使用 SCTP 而不是 TCP（Linux、FreeBSD 和 Solaris）-b //UDP模式使用的带宽，单位bits/sec。此选项与-u选项相关。默认值是1 Mbit/sec-t //设置传输的总时间。Iperf在指定的时间内，重复的发送指定长度的数据包。默认是10秒钟。-n //要传输的字节数,通常情况，Iperf按照10秒钟发送数据。-n参数跨越此限制，按照指定次数发送指定长度的数据，而不论该操作耗费多少时间。-k //要传输的块（数据包）数-i //要读取或写入的缓冲区的长度。TCP 的默认值为 128 KB，UDP 的默认值为 8 KB-r //分别进行双向测试-P //大写字母P，要运行的并行客户端流的数量​-d 同时进行双向传输测试-n 指定传输的字节数，eg:iperf -c 222.35.11.23 -n 100000-r 单独进行双向传输测试-t 测试时间，默认10秒,eg:iperf -c 222.35.11.23 -t 5-F 指定需要传输的文件-T 指定ttl值bash

vim ~/.bashrc
# 把下边语句添加到最后
export PATH=$PATH:anaconda3安装路径
例：
export PATH=$PATH:/home/kunsir/anaconda3

默认安装带有cpu版的torch，首先卸载

pip uninstall torch

然后去Pytorch官网https://pytorch.org/get-started/locally/

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

安装完验证

import torch
print(torch.version.cuda)
print(torch.cuda.is_available())
print(torch.backends.cudnn.version())

卸载nvidia-driver

#1.先把之前的nvidia驱动卸载干净:
sudo apt-get remove --purge nvidia*

fatal error: opencv2/opencv.hpp: No such file or directory

https://opencv.org/get-started/

进入官网 选择环境，安装完成后，运行下边命令

sudo ln -s /usr/include/opencv4/opencv2 /usr/include/