anaconda pytorch_CUDA + Anaconda + PyTorch 安装

在配置好 Linux 环境并顺利装上 RTX2060 的显卡驱动后（见上一篇），接下来就是安装 CUDA 和 PyTorch 了。

打开英伟达官方网页，按照相关的环境下载合适的文件，我基本上用的都是 runfile，因此这次也不例外，如下图

按照提示在 terminal 中输入以下命令下载 runfile 文件，

$ wget http://developer.download.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda_10.1.243_418.87.00_linux.run

然后用

$ sudo sh cuda_10.1.243_418.87.00_linux.run

进行安装。在安装过程中，它会检查你的驱动程序，并建议你重装驱动。但是不用理它，选择 continue 继续，在选择接受一些条款后会出现可选择的安装组件，第一个选项即为驱动程序，因为我记得看到的驱动程序是 410 版本，比我安装的 430 低，所以我选择不勾选它，而是直接安装其他全部 CUDA 的 tools 与 libaray。

安装完成后由如下提示

Please make sure that
 -   PATH includes /usr/local/cuda-10.1/bin
 -   LD_LIBRARY_PATH includes /usr/local/cuda-10.1/lib64, or, add /usr/local/cuda-10.1/lib64 to /etc/ld.so.conf and run ldconfig as root
To uninstall the CUDA Toolkit, run cuda-uninstaller in /usr/local/cuda-10.1/bin
Please see CUDA_Installation_Guide_Linux.pdf in /usr/local/cuda-10.1/doc/pdf for detailed information on setting up CUDA.
***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 418.00 is required for CUDA 10.1 functionality to work.
To install the driver using this installer, run the following command, replacing <CudaInstaller> with the name of this run file:
    sudo <CudaInstaller>.run --silent --driver
Logfile is /var/log/cuda-installer.log

WARNING 部分不用管，我们的驱动 430 比 418 更高。比较重要的是 PATH 和 LD_LIBRARY_PATH 的设定。

参考官方文档，我在 .bashrc 末尾加上了如下代码（虽然可能不太好，but it works）

$ export PATH=/usr/local/cuda-10.1/bin:/usr/local/cuda-10.1/nsight-compute-2019.4.0${PATH:+:${PATH}}

和官方参考有些差别，这要看在 /usr/local/ 下实际安装的文件。

对于 LD_LIBRARY_PATH 的设定，我则考虑使用了 ldconfig，具体如下，在 /etc/ld.so.conf.d/cuda-10-1.conf 文件中添加一行

/usr/local/cuda-10.1/lib64

然后使用命令 sudo ldconfig 使之生效。

为了确认一切准备就绪，我重启计算机后先简单用 which nvcc 确认相关 tools 被装上，然后在 Nvidia 官方给的 NVIDIA_CUDA-10.1_Samples 文件夹中用 make 命令生成可执行文件。可执行文件在 ./bin/x86_64/linux/release 文件夹下。我们试着运行几个文件看看，常规的，首先测试 ./deviceQuery，结果如下，

一切看起来似乎都不错，我们也可以继续测试一些其他的例子。不过对于我来说最重要的是配置 PyTorch 的 GPU 版本。

---

我先去 Miniconda 下载了最新版的 Miniconda Linux 64-bit，然后创建一个专门用于 PyTorch 的环境，

conda create -n pytorch-env

按照提示用 conda activate pytorch-env 激活该环境，再接下去就是按照 pytorch 的官方提示选择合适的配置环境，如下图

利用命令 conda install pytorch torchvision cudatoolkit=10.1 -c pytorch 完成安装。

---

最后测试 PyTorch 的 GPU 版是否可用，我使用了经典的 mnist 来做这个测试。我去到 pytorch 的 Github 例子页，下载 mnist 的 main.py 文件，完成后在 pytorch-env 环境中执行 `python main.py` 即可。

该命令将首先下载需要的数据，需要等待一会儿，然后就会开始训练神经网络了，如下图

为了确定我确实用到了 GPU，在测试过程中，我们打开 GPU 的监视器查看 GPU 的使用率，如下

可以看到 python 的确使用了 883M GPU 的内存。

至此全部配置完成。

Everything seems to work.