Linux安装Anaconda、CUDA、cudnn、pytorch

ssh工具：Finalshell。真的很好用。

Annaconda

首先请读者自行安装Annaconda。

然后运行指令创建一个名为pytorch的环境

conda create -n pytorch

然后运行指令激活环境，看到命令行前面有个括号就代表激活成功

conda activate pytorch

CUDA

运行指令查看自己的系统信息

uname -a

运行指令查看显卡信息，安装的cuda版本不能高于CUDA Version

nvidia-smi

然后在CUDA官网选择对应版本，安装方式选runfile，页面下面就会给出安装代码

安装好后写入环境变量，环境变量路径：/home/{你的用户名}/.bashrc , 代码里的路径改成你的cuda文件夹路径

export LD_LIBRARY_PATH=/data3/wangxn/cuda-11.6/lib64:$LD_LIBRARY_PATH
export CUDA_HOME=/data3/wangxn/cuda-11.6
export PATH=/data3/wangxn/cuda-11.6/bin:$PATH

修改完后运行指令更新配置

source ~/.bashrc

运行指令查看cuda版本信息，有就说明安装成功

nvcc --version

Pytorch

官网：https://pytorch.org/

在官网选择torch版本。torch版本必须跟cuda匹配，选择对应cuda版本的torch，运行指令安装，一定要选pip不要选conda，conda下载下来是cpu版本

安装好以后输入指令进入python命令行

python

输入指令import torch 没有报错说明torch安装成功

输入指令退出python命令行

exit()

cudnn

官网：cuDNN Download | NVIDIA 开发者

cudnn版本必须与CUDA匹配，选择对应版本下载。下载以后上传到linux服务器，运行指令解压

xz -dk {文件名}

第一步只解压了xz后缀，接下来运行指令解压tar后缀

tar -xvf {文件名}

解压好后用cp指令（不会请自学）把cudnn文件夹include里的cudnn.h文件放到cuda文件夹的include文件夹里，把cudnn文件夹lib里的所有文件放到cuda文件夹的lib64文件夹里

验证

输入指令进入python命令行并import torch（见前文），输入指令

 torch.cuda.is_available()

True代表程序已经可以调用GPU进行计算，安装结束。