python 查看显卡_ubuntu下安装显卡驱动、CUDA、CUDNN、pytorch过程

以ubuntu18.0.4为例，安装pytorch环境，会因为版本不一致导致程序无法正常运行，其中包括显卡驱动、cuda、cudnn、pytorch、python版本，但凡有一个不匹配，都会发生问题。

1、安装显卡驱动

显卡驱动处于最底层，被cuda所调用，一般来说，显卡驱动的版本高于cuda推荐最低版本即可。

去

显卡驱动下载官网​www.nvidia.cn

下载符合自己显卡的驱动，同时注意下载的版本号。

驱动安装完成后，可通过nvidia-smi查看显卡的具体版本。

2、安装cuda

去cuda官网下载cuda版本。这里需要注意，之前下载的显卡驱动和cuda版本有对应关系，详见官网说明

例如，如果需要安装cuda11.1以上，那么之前所安装的显卡驱动不能低于455.32的版本，可以高于455.32，但是绝对不能低。

cuda安装完成后，必须配置环境变量，否则程序将无法正确找到cuda所在的位置

vim ~/.bashrc

在末尾增加

export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-版本号/lib64

即可。

测试CUDA是否安装成功

输入

nvcc - V

成功显示cuda的版本号，则表示cuda安装正确

程序调用cuda动态库时，查找顺序是：1、查找环境变量$CUDA_HOME/的位置；2、查找/usr/local/cuda所指向的位置；3、查找nvcc所在的文件夹。如果三个地方都没有才会报错。

3、安装cudnn

去官网cudnn下载地址下载对应系统，cuda版本的cudnn库，注意，一定是要对应版本的。下载后按官方提示安装即可。

4、安装pytorch

上pytorch官网选择对应的版本下载。注意，系统、cuda版本一定要选对。由于国内清华源已经没有，所以使用conda下载速度会慢很多。建议优先选择pip下载，配置pip的国内源即可。如果pip源没有，再用conda下载。

pytorch安装过程中同样会安装cudatoolkit以及cudnn，这个基本上理解为是之前单独安装的子集，也就是说，步骤2和3不用做，同样也能跑一部分代码。但是，为了安全起见，还是建议完成步骤2和3的安装

最后，测试一下：

python
import torch
torch.cuda.is_available()

显示true则表示显卡驱动安装成功。

torch.version.cuda

显示的版本号与nvcc一致，则表示nvcc编译时使用的就是该版本的cuda库

import torch
import torch.utils
import torch.utils.cpp_extension
torch.utils.cpp_extension.CUDA_HOME   

显示的版本号是cuda程序运行的时候的cuda库

理想情况是，以上三者cuda版本一致，显卡驱动的cuda版本比他们高。