deepin15.11 安装cuda10.1+cudnn7.6+pytorch-gpu(whl)

折腾了很长时间，经过3次重装，终于用上GPU版了。
我这电脑只装了deepin系统，日常和办公都用它，确实对国内优化很不错，不愿意换系统，所以宁愿折腾。生命不息，折腾不止。
有兴趣可以看一下有多少坑：
deepin 安装 pytroch-GPU(填坑失败记录)

1、查看内核版本

Ubuntu16.04+cuda10.1官方安装指导的补充说明

$  lspci | grep -i nvidia
$  uname -m && cat / etc / * release
$  gcc --version
$  uname -r

deepin的内核是4.15，与ubuntu18.04一样，各种安装文件应该下载对应版本。

2、安装闭源显卡驱动

cuda文件包含显卡驱动，可以分两次安装cuda，第一次安装驱动，第二次安装cuda-toolkit；
我直接到官网下载一个最新的驱动，430
参考文章在Deepin系统中安装英伟达NVIDIA显卡驱动的方法

NVIDIA安装前
可以再显卡驱动管理器设置，或者：
需要在安装驱动之前首先禁止nouveau驱动，在Deepin中运行以下命令：
sudo nano /etc/modprobe.d/blacklist.conf
然后在打开的blacklist.conf文件中添加如下内容：
blacklist nouveau
options nouveau modeset=0
然后执行命令：
sudo update-initramfs -u
一直等到检测结束，退出重启电脑，重新启动后验证是否成功，运行以下命令：
lsmod | grep nouveau
注：如果页面没什么反应、无输出什么内容即为成功。
NVIDIA安装过程
1、如果之前在Deepin中安装过NVIDIA驱动，请将其全部删除：
sudo apt autoremove nvidia-*
2、重启系统。
3、使用快捷键CTRL+ALT+F2进入终端。
4、暂时关闭图形界面：
sudo service lightdm stop
5、给下载好的nvidia驱动文件设置执行权限.驱动下载
sudo chmod +x NVIDIA-Linux-x86_64-430.50.run
6、驱动安装(根据个人情况选择驱动文件所在目录)：
sudo sh NVIDIA-Linux-x86_64-430.50.run
一顿选择安装，终于成功。
7、重启系统。
nvidia-smi

3、安装CUDA10.1

参考文章：Deepin安装最新显卡RTX2080Ti及CUDA10.1

3.1、安装

因为pytorch支持的原因，选择安装10.1版本：官网
直接安装不能成功，安装后会删除掉，参考其他文章，不赋予root权限进行安装，按以下命令：

sudo bash cuda_10.1.243_418.87.00_linux.run --silent --toolkit --toolkitpath=$HOME/opt/cuda10.1 --defaultroot=$HOME/opt/cuda10.1 --samples --samplespath=$HOME/

过程会失败，提示不能操作文件夹，按提示查看记录。创建对应文件，并赋予权限，或者更改整个home文件夹权限：
sudo chmod 777 ~/* -R
过一会没有提示即安装成功。

3.2、添加环境

打开终端执行：
nano .bashrc
在文件尾部增加下面内容：

CUDA_HOME=/usr/local/cuda10.1/
export PATH=$PATH:$CUDA_HOME/bin/
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CUDA_HOME/lib64

使之生效
source .bashrc
在系统的/usr/local/下创建 toolkit10 的链接：
sudo ln -s ~/opt/cuda10.1 /usr/local/

3.3、验证

打开终端执行：

cd ~/NVIDIA_CUDA-10.1_Samples/1_Utilities/deviceQuery
make
./deviceQuery

期间出错，g++的问题，安装g++：
sudo apt-get install g++

4、安装cudnn7.6.4

基本按以下文章操作：ubuntu18.04安装cuda10.1和cudnn7(不要装cuda10.1,装cuda10.0,装cudnn7.5可以)
官网，注册账号并下载
解压：tar zxvf cudnn-10.1-linux-x64-v7.6.4.38.tgz -C ./

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/ 
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ 
sudo chmod a+r /usr/local/cuda/include/cudnn.h 
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

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

5、安装anaconda

5.1、安装

因为我原来的anaconda装了太多东西，所以重装了
下载Anaconda3，安装
添加path：
sudo nano /etc/profile
后面添加内容：
export PATH=~/anaconda3/bin:$PATH
生效：
source /etc/profile

5.2、换清华源

清华大学安装源
尝试使用命令并不成功，按照官网更改.condarc文件。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

6、安装pytorch-gpu

6.1、安装

按下面命令安装，几分钟完成：
conda install pytorch torchvision cudatoolkit=10.1

可惜，看了一下，是cpu版的，没办法只能按官网方式安装，直接安装实在是不行，所以采用下载.whl文件安装，从pytorch-whl找到对应文件，使用wget下载：
wget https://download.pytorch.org/whl/cu101/torch-1.4.0-cp37-cp37m-linux_x86_64.whl
下载之后直接用pip安装。

6.2、测试

安装完成后，测试下

import torch
import torchvision

发现没有torchvision，再使用官网pip方式补充安装：
pip install torch torchvision
然后再查看一下，是不是能用GPU：

torch.cuda.is_available()
torch.cuda.device_count()#gpu数量
torch.cuda.get_device_name(0)#gpu名字