部署系列0ubuntu, nvidia driver, cuda, cudnn， pytorch-gpu， opencv安装

1.常用指令

1.1查看cpu是intel还是amd:

cat /proc/cpuinfo
或者lscpu

1.2.查看ubuntu版本

lsb_release -a

1.3.查看架构

arch
或者
uname -a

1.4.查看已安装的nvidia驱动

nvidia-detector

1.5.进入tty模式

Ctrl + Alt + F3进入tty模式
Ctrl + Alt + Delete 退出tty模式

2.安装ubuntu22.04 和 nvidia 驱动

https://blog.csdn.net/takedachia/article/details/130354110

3.ubuntu 安装 anaconda

https://developer.aliyun.com/article/988482
export PATH=“~/anaconda3/bin”:$PATH 导入变量 source ~/.bashrc使生效

conda create -n pytorch python=3.9

4.安装pytorch gpu版本

记住此时安装的cuda是不完整的，但是对于pytorch来说够用了。
https://pytorch.org/get-started/previous-versions/
可以看到：
conda install pytorch1.13.1 torchvision0.14.1 torchaudio==0.13.1 pytorch-cuda=11.7 -c pytorch -c nvidia
这样安装以后gpu版本的pytorch就可以使用了。

但是此时 /usr/local/ 下面并没有cuda.

关于 nvidia-smi 和 nvcc --version 以及 print(torch.version.cuda) 不一致等cuda版本相关问题查看：
https://www.jb51.net/article/278075.htm
https://www.jianshu.com/p/eb5335708f2a
https://www.cnblogs.com/yhjoker/p/10972795.html

5.安装完整版cuda 和 cudnn

参考：
https://blog.csdn.net/takedachia/article/details/130375718
介绍的很详细。
上面的教程是通过https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html Package Manager Installation的方法安装cudnn的

安装后的 头文件和so文件 在

也可以利用tar file installation方法：
不需要安装，只需要解压和权限设置即可

6.nvidia-driver, cuda-toolkit, cudnn

除了以上的 通过下runfile来安装，也可以通过包安装
比如安装nvidia driver:
ubuntu-drivers devices 寻找可以安装的驱动

sudo ubuntu-drivers autoinstall 安装推荐
或者
sudo apt-get install cuda-drivers-418 安装特定版本的驱动。
nvidia-smi确认驱动安装正确

安装cuda:
conda search -c conda-forge cudatoolkit # 列出所有可以安装的版本 conda install -c conda-forge cudatoolkit=xx.x.x

nvcc-V 确定安装成功

cudnn:也有多种安装方法
https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html
https://blog.csdn.net/Dontla/article/details/104552975

7.opencv

安装方式很多
从源码安装
首先安装依赖后
mkdir build
cd build
编译
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=./install -D OPENCV_GENERATE_PKGCONFIG=ON ..

也可以通过命令的方式安装，省事情很多，而且环境都自动配置好了
apt install libopencv-dev