conda安装cuda下载很慢_Ubuntu18.04,安装多版本CUDA和cuDNN，并进行切换

==================2020/06/24 一种简单方法=================

利用conda搭建环境

1. wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
2. bash Miniconda3-latest-Linux-x86_64.sh
3. 安装miniconda过程中基本都选‘yes’或者enter
4. 退出terminal，再新开一个terminal，然后尝试运行 conda create --name pytorch14 python=3.6.9 pytorch=1.4.0
   1. 这句的意思是创建一个名为pytorch14的virtual env，要求使用python 3.6.9, pytorch 1.4.0
   2. conda会自动分析需要安装哪些依赖，以及cuda, cudnn版本等等。（这项功能在pip和virtualenv里好像是没有的）

然后里可以选择y安装，也可以选择n不安装

• 可以尝试一下conda create --name pytorch15 python=3.6.9 pytorch=1.5.0。在我的系统里，conda会说有conflict所以fail掉。不过，这些信息未必完全准确，conflict未必是真的conflict，换句话说就是conda的依赖管理好像有点不准确。

• 因此，我采用先运行conda create --name pytorch15 python=3.6.9 pytorch=1.4.0，然后conda activate pytorch15，绕开conda，直接运行pip3 install torch==1.5.0

==================以下为比较复杂的方法====================

1. 检查一下我们要安装的Tensorflow, Pytorch等的版本-->这些版本要求的CUDA和CUDNN版本-->然后根据CUDA的版本查询出Nvidia Driver的版本。

• 1. pytorch: 从下图中可以看出，为了使用pytorch 1.2.0和1.5，我们需要安装CUDA10.0和10.1.
• 2. https://pytorch.org/get-started/previous-versions/
• 3.

• 4.

• 5. Tensorflow: 从下图中可以看出，我们为了使用TF 1.13 - 2.1，需要安装CUDA 10.0,10.1和cuDNN 7.4,7.6。
• 6. https://www.tensorflow.org/install/source#common_installation_problems
• 7.

• 8. 从https://developer.nvidia.com/rdp/cudnn-archive，我们可以查看对任何一个版本的CUDA，都有哪些版本的cuDNN available。
• 9.

• 10. 从https://www.jianshu.com/p/c9230101a272可以查到CUDA版本和Nvidia GPU driver版本之间的对应关系
• 11.

• 12. 到此为止，我们知道需要安装CUDA 10.0,10.1和cuDNN 7.4,7.6，以及>=418.39的Driver。

2. 安装好Ubuntu18.04后，软件更新器-→设置-→附加驱动。可以看到我们往往已经安装了Nvidia driver.

• 3. Driver版本为435，所以Driver是OK的，无需再装。

4. 安装多个版本的CUDA：https://blog.csdn.net/ksws0292756/article/details/80120561

• 1. 从https://developer.nvidia.com/cuda-toolkit-archive下载CUDA 10.0和10.1的runfile。
• 2.

• 3. #先执行下面的命令安装相关依赖，#否则会出现`Missing recommended library`错误
• 4. sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
• 5. 然后对其中一个CUDA版本，根据网页的说明进行安装
• 6.

• 7. #..一堆协议说明...
• 8. #可以直接按q退出协议说明.
• 9. accept/decline/quit: accept #接受协议
• 10. Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.26?
• 11. y)es/(n)o/(q)uit: n #是否显卡驱动包，由于已经安装显卡驱动，选择n
• 12. Install the CUDA 10.1 Toolkit?
• 13. (y)es/(n)o/(q)uit: y #是否安装工具包，选择y
• 14. Enter Toolkit Location
• 15. [ default is /usr/local/cuda-8.0 ]: #工具包安装地址，默认回车即可
• 16. Do you want to install a symbolic link at /usr/local/cuda?
• 17. (y)es/(n)o/(q)uit: y #添加链接**注意这个连接，如果你之前安装过另一个版本的cuda，除非你确定想要用这个新版本的cuda，否则这里就建议选no，因为指定该链接后会将cuda指向这个新的版本**
• 18. Install the CUDA 10.1 Samples?
• 19. (y)es/(n)o/(q)uit: y #安装样例
• 20. Enter CUDA Samples Location
• 21. [ default is /root ]: #样例安装地址默认即可
• 22. # ***安装信息***

5. 配置CUDA相关环境变量：修改~/.bashrc文件

6. #在文件.bashrc结尾处添加

• export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
• export PATH=$PATH:/usr/local/cuda/bin
• export CUDA_HOME=$CUDA_HOME:/usr/local/cuda

10. 到此为止我们完成了第一个CUDA版本10.1的安装。

11. 用同样的方式去下载第二个CUDA版本10.0的runfile

12.

13. 安装Base runfile

• 14. Do you want to install a symbolic link at /usr/local/cuda?
• 15. (y)es/(n)o/(q)uit: n
• 16. 在此过程中也不要去安装Nvidia Driver.

17. 然后用sudo sh xxx.run的方法去安装patch文件

18. 安装成功后，我们会在/usr/local/下面看到cuda-10.0, cuda-10.1两个folder，以及一个指向cuda-10.1的soft link文件cuda.

19. CUDA版本切换：

cd /usr/local/
sudo rm -rf cuda
sudo ln -s cuda-10.0 cuda

20. 检测目前的CUDA版本：nvcc --version

安装cuDNN：https://blog.csdn.net/shangpapa3/article/details/79420183

21. 去官网下载需要的CUDNN（https://developer.nvidia.com/rdp/cudnn-archive），需要邮箱注册。

22.

23. 注意：cuDNN文件是由CUDA版本号和cuDNN版本号共同决定的。我们需要下载的是CUDA10.1对应的cuDNN7.6，和CUDA10.0对应的cuDNN7.4.

24.

25. 这四个文件都需要下载，但只有第一个文件是安装cuDNN所需文件。后三个文件是检测cuDNN是否安装成功用的。

26. 解压 tar zxvf cudnn-10.1-linux-x64-v7.6.0.64.tgz，我会把该目录移到/home/wangding/DW_ALL/Software/下。

27. 删除原来的CUDNN

sudo rm -rf /usr/local/cuda/include/cudnn.h
sudo rm -rf /usr/local/cuda/lib64/libcudnn*
#cd 到刚才解压的文件夹进行安装
sudo cp include/cudnn.h /usr/local/cuda/include/
sudo cp lib64/lib* /usr/local/cuda/lib64/
#cd到/usr/local/cuda/lib64/文件夹下，建立软链接（注意版本号换成你自己的）
cd /usr/local/cuda/lib64/
sudo chmod +r libcudnn.so.7.6.0
sudo ln -sf libcudnn.so.7.6.0 libcudnn.so.7
sudo ln -sf libcudnn.so.7 libcudnn.so
sudo ldconfig

检测cuDNN和CUDA是否安装正确：https://blog.csdn.net/caicaiatnbu/article/details/87626491

现在检查CUDA10.1对应的cuDNN7.6是否安装正确。首先需要把CUDA切换到10.1 (run choose_CUDA_cuDNN.py 10.1 7.6.3)，然后运行

sudo dpkg -i libcudnn7_7.6.3.30-1+cuda10.1_amd64.deb 
sudo dpkg -i libcudnn7-dev_7.6.3.30-1+cuda10.1_amd64.deb 
sudo dpkg -i libcudnn7-doc_7.6.3.30-1+cuda10.1_amd64.deb
cp -r /usr/src/cudnn_samples_v7/ ~/xxxx/
cd ~/xxxx/cudnn_samples_v7/mnistCUDNN
make clean && make
./mnistCUDNN

48. 如果能够成功运行，那就说明该版本的CUDA和cuDNN已经安装成功。

安装好另外一个版本的CUDA对应的某个版本的cuDNN后

需要把上面的测试步骤全都重复一遍，一定要注意切换CUDA版本和cuDNN版本后，再进行make clean和make。

查看所用cuDNN版本：cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

附CUDA，cuDNN版本切换：

run choose_CUDA_cuDNN.py 10.0 7.4.1

run choose_CUDA_cuDNN.py 10.1 7.6.3

choose_CUDA_cuDNN.py:

import os
import sys
from glob import glob

if len(sys.argv) < 3:
    print(sys.argv)
    print('Need to run this file like this way: python choose_CUDA_cuDNN.py 10.0 7.4')
    raise(Exception())
cuda_version = sys.argv[-2]
cudnn_version = sys.argv[-1]

cuda_tmp = glob('/usr/local/cuda-*')
cuda_v_available = [ i.split('-')[-1] for i in cuda_tmp]
print('Available CUDA: %s' % cuda_v_available)

cudnn_tmp = glob('/home/wangding/DW_ALL/Software/cudnn_*')
cudnn_v_available = [ '_'.join(i.split('_')[-2:]) for i in cudnn_tmp]
print('Available cuDNN: %s' % cudnn_v_available)

#choose CUDA version
sudopwd = 'my password'
os.system('echo %s | sudo -S rm -rf /usr/local/cuda' % sudopwd)
os.system('echo %s | sudo -S ln -s /usr/local/cuda-%s /usr/local/cuda' % (sudopwd, cuda_version))

print('==========================CUDA version============================')
os.system('nvcc --version')

#choose cuDNN version
os.system('echo %s | sudo -S rm -f /usr/local/cuda/include/cudnn.h'%sudopwd)
os.system('echo %s | sudo -S rm -f /usr/local/cuda/lib64/libcudnn*'%sudopwd)
#cd 到刚才解压的文件夹进行安装
os.system('echo %s | sudo -S cp /home/wangding/DW_ALL/Software/cudnn_%s_%s/include/cudnn.h  /usr/local/cuda/include/' % (sudopwd, cuda_version, cudnn_version))
os.system('echo %s | sudo -S cp /home/wangding/DW_ALL/Software/cudnn_%s_%s/lib64/lib*   /usr/local/cuda/lib64/' % (sudopwd, cuda_version, cudnn_version))
#cd到/usr/local/cuda/lib64/文件夹下，建立软链接（注意版本号换成你自己的）
#cd /usr/local/cuda/lib64/
os.system('echo %s | sudo -S chmod +r /usr/local/cuda/lib64/libcudnn.so.%s' % (sudopwd, cudnn_version))

# os.system('echo %s | sudo -S rm /usr/local/cuda/lib64/libcudnn.so.%s'%(sudopwd, cudnn_version.split('.')[0]))
os.system('echo %s | sudo -S ln -sf /usr/local/cuda/lib64/libcudnn.so.%s /usr/local/cuda/lib64/libcudnn.so.%s'%(sudopwd, cudnn_version, cudnn_version.split('.')[0]))

# os.system('echo %s | sudo -S rm -f /usr/local/cuda/lib64/libcudnn.so'%sudopwd)
os.system('echo %s | sudo -S ln -sf /usr/local/cuda/lib64/libcudnn.so.%s /usr/local/cuda/lib64/libcudnn.so'%(sudopwd, cudnn_version.split('.')[0]))
os.system('echo %s | sudo -S ldconfig' % sudopwd)
print('==================cuDNN version================================')
os.system('cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2')

参考：

https://blog.kovalevskyi.com/multiple-version-of-cuda-libraries-on-the-same-machine-b9502d50ae77​blog.kovalevskyi.com

Tensorflow 2.1 running on GPU-Ubuntu 18.04 https://medium.com/@shravan007.c/tensorflow-2-1-running-on-gpu-ubuntu-18-04-76b0c8b0a25d

两种在Ubuntu 18.04上安装Nvidia驱动程序的方法​ywnz.com

sudo lshw -c display

sudo ubuntu-drivers devices

sudo ubuntu-drivers autoinstall

如果要安装特定驱动程序，请运行以下命令：

sudo apt install nvidia-driver-version-number