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
![](https://img-blog.csdnimg.cn/img_convert/6db0c1b0377535ab0a9a72dd48023af5.png)
CUDA
运行指令查看自己的系统信息
uname -a
![](https://img-blog.csdnimg.cn/img_convert/95f4b6e7067952c9f78d9acb32e6e1b6.png)
运行指令查看显卡信息,安装的cuda版本不能高于CUDA Version
nvidia-smi
![](https://img-blog.csdnimg.cn/img_convert/e86801eed9838de82520aaf6eaafc7ec.png)
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
![](https://img-blog.csdnimg.cn/img_convert/9e6d879c0e2a108d9b7afb452c6602dd.png)
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
![](https://img-blog.csdnimg.cn/img_convert/b6f1ef2223bd8f7d58e8bd0175aebb75.png)
Pytorch
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
![](https://img-blog.csdnimg.cn/img_convert/59f8aa3ed8df3e6006e18c1a99d6e008.png)
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
![](https://img-blog.csdnimg.cn/img_convert/9d8a1b46923d3ba2217e7ff04fd2535e.png)
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}
![](https://img-blog.csdnimg.cn/img_convert/227661d2375c2d2416f6f85e8782ad1d.png)
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}
![](https://img-blog.csdnimg.cn/img_convert/193015f816f7ed81a4ee40a41bd25594.png)
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
![](https://img-blog.csdnimg.cn/img_convert/a8759564bc44d733d2477d10a993cb4c.png)
![](https://img-blog.csdnimg.cn/img_convert/01746cadaa2595f8d285e20b85f6c212.png)
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()
![](https://img-blog.csdnimg.cn/img_convert/019c327b929065fc80914aeb2e67bc96.png)
True代表程序已经可以调用GPU进行计算,安装结束。