Linux系统安装CUDA包（CUDA Toolkit）深度学习

前言

对于大家在深度学习的时候，苦于安装CUDA包（CUDA Toolkit）的情况，我以Ubuntu的Linux系统来介绍CUDA Toolkit安装过程，大家学习深度学习会遇到CUDA.其实CUDA（Compute Unified Device Architecture，统一计算设备架构）是由NVIDIA推出的通用并行计算架构，该架构利用GPU（图形处理器）的处理能力可以解决复杂的计算问题。所以我们要学会和使用他。

前提条件

1、已安装NVIDIA显卡驱动。

2、conda的环境（可选）

安装步骤

1、验证是否有NVIDIA显卡驱动

确保你自己的系统已安装NVIDIA显卡驱动，大家可以通过指令来查看

nvidia-smi #查询本机的nvidia显卡驱动的相关信息

NVIDIA-SMI（NVIDIA System Management Interface）是一个命令行工具，用于监视和管理NVIDIA GPU的状态和性能。它提供了关于GPU的详细信息，如温度、功耗、内存使用情况、运行的进程等。

从中我们可以得到几个有用的信息。

NVIDIA-SMI 460.106.00 Driver Version: 460.106.00 CUDA Version: 11.2

• NVIDIA-SMI 460.106.00 表示你正在使用的NVIDIA-SMI工具的版本是460.106.00。
• Driver Version: 460.106.00 表示你的NVIDIA显卡驱动版本是460.106.00。显卡驱动是确保显卡正常工作并与操作系统和其他软件兼容的关键组件。
• CUDA Version: 11.2 表示你安装的CUDA（Compute Unified Device Architecture）版本是11.2，也是这个最高可支持的版本。CUDA是NVIDIA开发的一个并行计算平台和API模型，它允许开发者使用NVIDIA的GPU进行通用计算。CUDA通常用于高性能计算、深度学习、图形渲染等领域。

2、找到对应CUDA Toolkit版本

1. 进入CUDA Toolkit Archive官方页面。

2. 选择驱动对应的CUDA版本。

   因为上面我们CUDA Version: 11.2 所以我们选择一个不大于11.2的11.1.0来展示，下图以CUDA Toolkit 11.1.0为例。

CUDA Toolkit 11.1.0 | NVIDIA Developer

3、下载和安装：

我们从官网拿到对应的安装命令之后下载和安装：

wget https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/cuda_11.1.0_455.23.05_linux.run
sudo sh cuda_11.1.0_455.23.05_linux.run

安装有两种模式：

一种就是交互式安装模式

（这里就是上面官网给的根据安装提示结合自身的情况安装提示安装即可)

交互式安装指令如下：

sudo sh cuda_11.1.0_455.23.05_linux.run

另一种静默式的安装模式

（采用静默安装方式，不会自动安装CUDA包自带的驱动，您需要手动单独安装GPU实例所需的驱动)

静默式的安装指令如下：

sudo ./cuda_11.1.0_455.23.05_linux.run --toolkit --samples --silent

添加环境变量：

安装完毕之后重启服务器，然后添加环境变量，不同的Linux服务器他添加环境变量的方式不一样，需要自身结合自身的Linux系统去按照指定的方法去配，思路都是一样的，就是指令因系统不同会有所差别，这里以阿里云服务器为例展示步骤如下：

#找到自身Linuxcuda文件的路径之后，把环境变量添加进去
echo 'export PATH=/usr/local/cuda/bin:$PATH' | sudo tee /etc/profile.d/cuda.sh
#需要加载配置文件，让其生效
source /etc/profile

验证：

验证CUDA驱动是否安装成功，输入指令出现版本信息即成功安装。

#执行nvcc -V命令，检查CUDA安装版本是否正确
nvcc -V

其他：

深度学习需要用到pytorch，我们可以通过官网去找到相关信息

下面是基于本文信息从Pytorch官网找到的指令信息

以前的 PyTorch 版本 |PyTorch的

conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge