如何在Ubuntu 20.04的Anaconda不同环境中安装不同的CUDA版本（2020年8月）

最新推荐文章于 2024-06-02 18:51:24 发布

蛐蛐蛐

最新推荐文章于 2024-06-02 18:51:24 发布

阅读量5.6k

点赞数 9

分类专栏：深度学习科研工具 Python技巧

本文链接：https://blog.csdn.net/qysh123/article/details/108163188

版权

科研工具同时被 3 个专栏收录

124 篇文章 12 订阅

订阅专栏

Python技巧

92 篇文章 1 订阅

订阅专栏

深度学习

53 篇文章 4 订阅

订阅专栏

我觉得这个需求肯定很多朋友都有。

首先应该考虑一点：如果装了不同版本的CUDA，是不是也得装不同版本的cuDNN？我目前的结论是：为了不影响系统中本来的cuDNN，是可以不装的。按照这篇博客的介绍：https://www.cnblogs.com/laosan007/p/12612511.html

“如果没有编译cuDNN的话，执行一些基于Caffe这一深度学习框架的程序速度上要慢3-5倍”

这个measurement我没有自己做过，如果目的仅仅是为了试着跑一下别人的代码，完全可以不理会cuDNN。另外针对上面的这个博客有点疑问，这篇博客里说：“这种方法如果不重置cuDNN相应的符号链接的话是不能成功的安装cuDNN的。”呵呵，我仔细拜读了这篇文章很多遍，也没发现他在什么地方重置了所谓的符号链接啊。

言归正传，首先，我们应该清楚针对目前系统中的显卡驱动，能够装哪些版本的CUDA，具体可以参考这里：

https://blog.csdn.net/hesongzefairy/article/details/89946900

当然我还是有点疑问，如果显卡驱动比较新，装老的版本的CUDA会有什么影响吗？这个表并不能看出这一点。

其次，要搞清楚我们为什么要装多个版本的CUDA，原因也很简单，一些老版本的PyTorch对应的CUDA也比较老。那怎么样知道我们要用的pytorch版本对应的CUDA呢，这个说实话从PyTorch的主页是看不出来的：https://pytorch.org/get-started/locally/

不过可以用一些迂回的方法：我们在这里：https://pytorch.org/get-started/previous-versions/#via-pip

可以看到下面几个链接实际上列出了CUDA版本所能对应的pytorch版本：

Download the whl file with the desired version from the following html pages:

https://download.pytorch.org/whl/cpu/torch_stable.html # CPU-only build
https://download.pytorch.org/whl/cu80/torch_stable.html # CUDA 8.0 build
https://download.pytorch.org/whl/cu90/torch_stable.html # CUDA 9.0 build
https://download.pytorch.org/whl/cu92/torch_stable.html # CUDA 9.2 build
https://download.pytorch.org/whl/cu100/torch_stable.html # CUDA 10.0 build

例如我们点开这个：https://download.pytorch.org/whl/cu92/torch_stable.html

可以看到，最早的PyTorch版本是0.4.1了，例如我现在要用PyTorch 0.3.0，那似乎装CUDA 9.2可能不行。

所以我决定装CUDA 9.0试试。在这里：https://developer.nvidia.com/cuda-toolkit-archive

找到9.0的链接：https://developer.nvidia.com/cuda-90-download-archive

按照这里的建议：https://blog.csdn.net/tunhuzhuang1836/article/details/79545625

我们需要选择runfile进行安装（这样可以做到不影响之前的版本）：

下载下来之后按照这里的教程正常安装即可：https://blog.csdn.net/ashome123/article/details/105822040/

结果我运行了：

sudo sh cuda_9.0.176_384.81_linux.run

之后报错：

Error: cannot find Toolkit in /usr/local/cuda-9.0

呵呵呵。

先试了一下大家说的最简单的办法：

sudo apt install nvidia-cuda-toolkit

结果经过漫长的等待，报了一堆：ibcudnn_cnn_train.so.8 is not a symbolic link这样的错误，看来cudnn的符号链接确实有问题啊。不过我关心的是安装低版本的CUDA，这个问题可以先不管。再试了一遍，结果报了：

unsupported compiler: 7.5.0. Use --override to override this check.

呵呵呵，其实应该早点预料到这个错，按照网友的介绍：https://www.cnblogs.com/simingfan/p/12310833.html

可以改成gcc 6.x，不过改成gcc-6的时候又碰到问题了：

当我输入：

sudo apt install gcc-6 g++-6

会报这样的错：

正在读取软件包列表... 完成
正在分析软件包的依赖关系树       
正在读取状态信息... 完成       
没有可用的软件包 gcc-6，但是它被其它的软件包引用了。
这可能意味着这个缺失的软件包可能已被废弃，
或者只能在其他发布源中找到

E: 软件包 gcc-6 没有可安装候选

呵呵呵呵呵呵，估计是我用的Ubuntu 20.04版本太新了吧。

按照这里网友的建议：https://askubuntu.com/questions/1236552/how-can-i-downgrade-gcc-to-version-6-on-20-04

可以临时地在/etc/apt/sources.list中增加旧版本ubuntu的源（当然这个也很好理解咯）

所以输入：

sudo gedit /etc/apt/sources.list

在打开的文件中的最上面一行增加：

deb http://us.archive.ubuntu.com/ubuntu/ bionic main universe

顾名思义，就是暂时当作Ubuntu 18.04，参考这里：https://blog.csdn.net/songfulu/article/details/85310273

然后再依次运行：

sudo apt-get update
sudo apt install gcc-6 g++-6

就可以正常安装gcc-6了，不过安装完成之后最好是把我们临时加的那一条注释掉。然后再update一下。

这时候我们再输入：

ls /usr/bin/gcc*

我这里可以看到3个gcc，呵呵呵。如下图所示：

然后依次输入：

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-6 150
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 100
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-9 50

再输入：

sudo update-alternatives --config gcc

可以查看gcc的优先级顺序。

把这些做完之后，再运行一遍：

sudo sh cuda_9.0.176_384.81_linux.run

首先EULA很长的一段文字不要看了，按q跳过，然后需要我们输入的选项如下：

Do you accept the previously read EULA?
accept/decline/quit: accept

You are attempting to install on an unsupported configuration. Do you wish to continue?
(y)es/(n)o [ default is no ]: y

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81?
(y)es/(n)o/(q)uit: n

Install the CUDA 9.0 Toolkit?
(y)es/(n)o/(q)uit: y

Enter Toolkit Location
 [ default is /usr/local/cuda-9.0 ]: 

Do you want to install a symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: n

Install the CUDA 9.0 Samples?
(y)es/(n)o/(q)uit: n

Installing the CUDA Toolkit in /usr/local/cuda-9.0 ...

最重要的就是注意不要建立到/usr/local/cuda的软连接。

另外需要注意的是：安装完成后，就不要进行环境变量的更新了。我们参考这几位网友的方法：https://blog.csdn.net/clksjx/article/details/86530905

https://zhuanlan.zhihu.com/p/137874101

具体来讲，首先进入到我们想使用其他版本CUDA的anaconda环境中，输入：

echo ${CONDA_PREFIX}

就可以看到这个虚拟环境的绝对路径，例如我的是在这里：/home/yu/anaconda3/envs/pytorch0.3

那么我依次输入以下：

mkdir -p /home/yu/anaconda3/envs/pytorch0.3/etc/conda/activate.d
gedit /home/yu/anaconda3/envs/pytorch0.3/etc/conda/activate.d/activate.sh
chmod +x /home/yu/anaconda3/envs/pytorch0.3/etc/conda/activate.d/activate.sh

在其中第二步打开的文件中输入：

ORIGINAL_CUDA_HOME=$CUDA_HOME
ORIGINAL_LD_LIBRARY_PATH=$LD_LIBRARY_PATH
ORIGINAL_PATH=$PATH
export CUDA_HOME=/usr/local/cuda-9.0
export LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH
export PATH=$CUDA_HOME/bin:$PATH

主要目的就是使对应虚拟环境启动时，自动切换为cuda9.0。

相应地：

mkdir -p /home/yu/anaconda3/envs/pytorch0.3/etc/conda/deactivate.d
gedit /home/yu/anaconda3/envs/pytorch0.3/etc/conda/deactivate.d/deactivate.sh
chmod +x /home/yu/anaconda3/envs/pytorch0.3/etc/conda/deactivate.d/deactivate.sh

在第二步中对我们刚才在两步前对环境变量的修改进行还原：

export CUDA_HOME=$ORIGINAL_CUDA_HOME
export LD_LIBRARY_PATH=$ORIGINAL_LD_LIBRARY_PATH
export PATH=$ORIGINAL_PATH
unset ORIGINAL_CUDA_HOME
unset ORIGINAL_LD_LIBRARY_PATH
unset ORIGINAL_PATH

以上这个过程不能不说是很麻烦啊。到这里终于大功告成！安装完后，对应的环境变量是下面截图中这样的：

看到这个截图后，是不是感觉自己可以愉快地自动切换CUDA版本了？

看到有些朋友这样设置了以后，通过$CUDA_HOME来判断是否设置正确，例如：https://zhuanlan.zhihu.com/p/137874101

应该说，这样判断是不对的！因为正常安装CUDA的时候我们只需要设置PATH和LD_LIBRARY_PATH，并不需要设置$CUDA：https://blog.csdn.net/ashome123/article/details/105822040/

个人认为最稳妥的方法还是输入：

nvcc --version

来检查CUDA的版本。

另外，还有些朋友说可以通过Anaconda自己安装CUDA乃至cuDNN，我试了一下，似乎确实可以，但也有人指出，这种安装并不能保证CUDA的功能完整，在性能方面也会受比较大印象，例如这里的评论：https://blog.csdn.net/xq_nbu/article/details/83188570

“作者留言：通过anaconda自动安装cuda可能会出现cuda安装不全的现象，即有时运行会出现部分组件缺失，故应以实际情况为准，可能还需完整安装cuda和cudnn，本文仅供参考。”

“我用这种方法装完跑程序总是显存不够，8G显存，batchsize设置成4都报错，请问是不是因为这种安装方法的原因？rtx2060s的显卡”

我也一直不理解Anaconda自己装CUDA和cuDNN的思路是怎么回事。总体上来讲，个人感觉还是自己手动安装最好。

上面的工作都完成了之后，我们可以最后展示一下效果。由于如前面所属，Anaconda可以自己装PyTorch，所以我们选择在对应的虚拟环境下通过pip安装，具体就是在这里：https://pytorch.org/get-started/previous-versions/#via-pip

选择CUDA 9.0 build，然后我下载了torch-0.3.0-cp27-cp27mu-linux_x86_64.whl

再通过pip install torch-0.3.0-cp27-cp27mu-linux_x86_64.whl安装即可。最后通过一张截图展示最终效果：

可以保证大家按照上面的流程，也可以得到这样的结果。

蛐蛐蛐

关注

9
点赞
踩
51

收藏

觉得还不错? 一键收藏
17
评论
如何在Ubuntu 20.04的Anaconda不同环境中安装不同的CUDA版本（2020年8月）

我觉得这个需求肯定很多朋友都有。首先应该考虑一点：如果装了不同版本的CUDA，是不是也得装不同版本的cuDNN？我目前的结论是：为了不影响系统中本来的cuDNN，是可以不装的。按照这篇博客的介绍：https://www.cnblogs.com/laosan007/p/12612511.html“如果没有编译cuDNN的话，执行一些基于Caffe这一深度学习框架的程序速度上要慢3-5倍”这个measurement我没有自己做过，如果目的仅仅是为了试着跑一下别人的代码，完全可以不理会cuDNN。另外
复制链接

扫一扫