Ubuntu22.04安装Cuda11.3和Cudnn8.5的深度学习GPU环境

全文以Ubuntu 22.04为例进行安装

Linux下驱动安装

# 以下命令按顺序执行
sudo apt update && sudo apt upgrade -y
# or sudo apt update
# 查看显卡信息
ubuntu-drivers devices
sudo ubuntu-drivers autoinstall
# or sudo apt install nvidia-driver-510
reboot
nvidia-smi

安装完成驱动以后，nvidia-smi命令是可用的，会输出显卡信息。

通过此种方式进行显卡的驱动安装，不需要去手动禁止使用禁用nouveau驱动和Bios禁用secure boot

安装CUDA和CUDNN

Linux - 如何查看Ubuntu系统的版本信息

lsb_release -a

'''
No LSB modules are available.
Distributor ID: Ubuntu
Description:    Ubuntu 22.04.1 LTS
Release:        22.04
Codename:       jammy
'''

uname --p
'''
x86_64
'''

进入cuda-toolkit-archive 官网会看到众多版本的cuda包，此处我们选择cuda11.3 ，选择11.3的原因有以下几点：

1. pytorch的GPU支持cuda11.3版本；
2. tensorflow2.x以上版本支持11.0以上版本；
3. fastestimator高级深度学习框架，要求tf的版本是2.9.1，推荐安装的pytorch是对应cuda11.3的1.10.2版本；

综上，我们最好选择cuda 11.3作为我们的安装版本。

在选择安装中，没有提供22.04的cuda安装包，但是我们可以去下载安装20.04的包，cuda默认向下兼容。

安装之前再检查下是否安装gcc：gcc --version ，如果没有安装，则执行以下命令：

# 没有安装gcc情况下执行
sudo apt-get install manpages-dev
sudo apt-get update
sudo apt install build-essential
sudo apt-get install manpages-dev

给出的安装命令有7条，我们只需要执行除去1和2的剩下的5行即可：

>>wget https://developer.download.nvidia.com/compute/cuda/11.3.0/local_installers/cuda-repo-ubuntu2004-11-3-local_11.3.0-465.19.01-1_amd64.deb
>>sudo dpkg -i cuda-repo-ubuntu2004-11-3-local_11.3.0-465.19.01-1_amd64.deb
>>sudo apt-key add /var/cuda-repo-ubuntu2004-11-3-local/7fa2af80.pub
>>sudo apt-get update
>>sudo apt-get -y install cuda-11-3 # 原来sudo apt-get -y install cuda（默认安装最新版本）

确认一下cuda在本电脑上的具体文件夹名称。输入如下代码。发现确实有cuda-11.3的文具文件夹，那么我们可以直接使用这个路径。

(base) gem@lambda-quad:~/cuda11.3$ cd /usr/local/
(base) gem@lambda-quad:/usr/local$ ls
bin  cuda  cuda-11  cuda-11.3  etc  games  include  lib  man  sbin  share  src

设置环境变量：

export PATH="/usr/local/cuda-11.3/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-11.3/lib64:$LD_LIBRARY_PATH"

此时，输入nvcc -V，可以看到版本输出。

进入cudnn-download-survey :

#sudo dpkg -i cudnn-local-repo-${OS}-8.x.x.x_1.0-1_amd64.deb
sudo dpkg -i cudnn-local-repo-ubuntu2004-8.5.0.96_1.0-1_amd64.deb
#sudo cp /var/cudnn-local-repo-*/cudnn-local-*-keyring.gpg /usr/share/keyrings/
sudo cp /var/cudnn-local-repo-ubuntu2004-8.5.0.96/cudnn-local-0579404E-keyring.gpg /usr/share/keyrings/
sudo apt-get update
#sudo apt-get install libcudnn8=8.x.x.x-1+cudaX.Y
#sudo apt-get install libcudnn8=8.5.0.96-1+cuda11.3
sudo apt-get install libcudnn8=8.5.0.96-1+cuda11.7
# https://itcn.blog/p/57211130760.html
#sudo apt-get install libcudnn8-dev=8.x.x.x-1+cudaX.Y
sudo apt-get install libcudnn8-dev=8.5.0.96-1+cuda11.7
#sudo apt-get install libcudnn8-samples=8.x.x.x-1+cudaX.Y
sudo apt-get install libcudnn8-samples=8.5.0.96-1+cuda11.7

installlinux-deb

验证安装

cudnn

cp -r /usr/src/cudnn_samples_v8/ $HOME
cd  $HOME/cudnn_samples_v8/mnistCUDNN
make clean && make
./mnistCUDNN

中间可能出现gcc版本过高的提示，解决方式为：

sudo apt-get install gcc-9
sudo apt-get install g++-9

# 第一种方式
# sudo ln -s /usr/bin/gcc-9 /usr/local/cuda/bin/gcc
# sudo ln -s /usr/bin/g++-9 /usr/local/cuda/bin/g++

# 第二种方式
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-9 60 --slave /usr/bin/g++ g++ /usr/bin/g++-9

tf

import tensorflow as tf
TF_ENABLE_ONEDNN_OPTS=0
print('GPU', tf.test.is_gpu_available())

pytorch

import torch
torch.cuda.is_availabel()