服务器PyTorch环境配置（Ubuntu）

目录

关于正常安装先不写了....

非root用户安装cuda与cudnn(仅供参考)

介绍（显卡驱动，cuda，cudnn，深度学习库的关系）

准备工作

安装包下载

下载CUDA

cuDNN下载

安装CUDA和cuDNN

安装CUDA（参考文章的作者写的很详细，其他都比较简略）

修改环境变量

安装 cuDNN

参考文章

---

个人经历，如果在远程连接的服务器不能调用gpu，且感觉自己的配置没有错误，重启服务器！

关于正常安装先不写了....

实际也不是很难.....

非root用户安装cuda与cudnn(仅供参考)

这个方法我尝试过，但由于当时服务器本身的原因未能成功配置，之后也没有验证过。

emmmm，清明节假期在宿舍连接不到服务器，就....拿来主义了😥

服务器上管理员已安装好显卡驱动或已安装的CUDA版本无法满足自己要求（要么太高要么太低），与自己需要的TensorFlow或者Pytorch版本不兼容，可以尝试以下方法。

介绍（显卡驱动，cuda，cudnn，深度学习库的关系）

四者从底层（硬件）到上层（软件）的顺序是：驱动->cuda（->cudnn）->深度学习库。cudnn加括号是因为cudnn的版本和cuda版本是对应的，深度学习库的版本依赖往往是直接看cuda版本，而不需要关注cudnn。

显卡驱动是告诉系统如何调用显卡这个硬件，驱动版本是向下兼容的。新的驱动仍然支持旧的cuda，但旧的驱动就无法支持新版本的cuda。

cuda是构筑在显卡驱动之上的工具库（toolkit），cudnn是构筑在cuda之上的深度学习相关的工具库。因此，不管是做graphics（3D渲染等）还是搞深度学习，想要使用显卡都必须安装cuda，但做graphics的朋友就不需要安装cudnn。

准备工作

输入nvidia-smi查看自己的显卡驱动版本以及支持的最大CUDA版本

进入英伟达提供的GPU驱动和CUDA对应关系，确认自己目前的GPU驱动是否符合自己要安装的CUDA版本，符合就进入下一步，不符合就安装更加高级的驱动。

输入uname -a与cat /proc/version查看系统的信息，方便匹配对应的CUDA。可以看到系统是Linux，Ubuntu的内核，64位（x86_64）的系统，Ubuntu版本号为18.04。

安装包下载

下载CUDA

进入英伟达CUDA下载页面，点击Download Now可以看到最新版本。

 以下载10.2为例，寻找10.2版本。 

wget https://developer.download.nvidia.com/compute/cuda/10.2/Prod/local_installers/cuda_10.2.89_440.33.01_linux.run

在服务器上进行下载，也可以选择在浏览器中输入wget后面的网址，然后在本地进行下载再上传至服务器。

cuDNN下载

通过网址下载CUDNN，这个下载需要注册账号（简单几步注册登录即可），登录以后，选择合适的CUDA版本对应的CUDNN并选择CUDNN Library for Linux，下载以后将文件后缀名改为.tgz后上传至服务器。

 

安装CUDA和cuDNN

此时服务器中已经有了CUDA和cuDNN的安装包

安装CUDA（参考文章的作者写的很详细，其他都比较简略）

1.给cuda可执行权限

chmod +x cuda_10.2.89_440.33.01_linux.run

2. 运行run文件

sh cuda_10.2.89_440.33.01_linux.run

3. 通过键盘方向键（↑，↓）和Enter键可以进行选择和进入（确定）。选择Continue并进入

4. 输入accept进入

5. 利用上下键与Enter勾选对话框，只安装CUDA Toolkit。

6. 选择Options并进入，然后我们需要修改Toolkit Options 、Library install path这两项的路径。

7. 修改Toolkit Options路径，选择Change Toolkit Install Path

8. 将默认路径修改至个人目录下，点击Enter确认

9. 将下面的选项取消选定，选择Done，确认退出

10. 选择Library install path （Blank for system default）

11. 添加之前一样的路径并Enter确认退出

12. 选择Done返回上一层目录，修改路径完成，选择Install开始安装

13. 出现如下所示的安装信息则说明安装成功

修改环境变量

1.输入vim ~/.bashrc进行环境变量的修改；

2.添加一下信息（每个人的路径是不同的，我的是/home/zhaoqc/cuda-10.2）并保存退出。

export CUDA_HOME=$CUDA_HOME:/home/zhaoqc/cuda-10.2
export PATH=$PATH:/home/zhaoqc/cuda-10.2/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/home/zhaoqc/cuda-10.2/lib64

3. 输入source ~/.bashrc

安装 cuDNN

 1.解压cuDNN，输入以下命令进行解压

tar -zxvf cudnn-10.2-linux-x64-v8.0.0.39.tgz

2. 此时当前目录下回出现一个./cuda的文件夹

3. 复制文件到CUDA安装目录

cp cuda/include/cudnn.h ../cuda-10.2/include/
cp cuda/lib64/libcudnn* ../cuda-10.2/lib64/

4. 修改权限，cudnn安装完成

chmod a+r ../cuda-10.2/include/cudnn.h ../cuda-10.2/lib64/libcudnn*

查看是否安装成功，输入nvcc -V

参考文章

显卡驱动，cuda，cudnn，深度学习库的关系 - 知乎 (zhihu.com)

非root用户安装cuda与cudnn - 知乎 (zhihu.com)