机器学习------ 基于ubuntu 22.04 系统下的pytorch 安装记录过程（包含cuda和cudnn的安装）

机器学习----- pytorch的安装过程

• 最近，在学习机器学习，在对于理论方面进行一段时间的学习后，打算开始上手代码。在此之前，选择了pytorch作为学习的工具，这里记录下安装的过程。
• 在这里，先把我的设备展示一下，我这里使用的还是windows 11的系统，搭建了一个基于windows的WSL-Ubuntu系统，ubuntu的版本为22.04，CPU为i7-12700，
  GPU为rtx 3060ti，kernel为x86_64, 已经提前安装完成了anaconda软件，具体情况如下所示：
  
  打开pytorch的官网：官网地址，向下拖动可以看见：
  
  这里可以根据你的需求进行挑选，我这里选择Linux系统，和cuda11.6.

因为想要使用GPU,所以需要先安装Cuda和Cudnn，在安装cuda和cudnn的版本之前，先要确认一下你的显卡（我这里是3060ti）最低兼容的版本。
遇事不决，先问一下AI：

• 我这里暂时没有考虑到学习框架的事儿，就是熟悉一下安装流程，所以我选用最新的cuda版本进行安装

cuda的安装

打开cuda的 下载界面：cuda

• 选择，最新的版本
  
  cuda-12
  
  这里，根据自己的具体系统环境进行选择

选择完之后会得到：

wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pin
sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/12.0.1/local_installers/cuda-repo-wsl-ubuntu-12-0-local_12.0.1-1_amd64.deb
sudo dpkg -i cuda-repo-wsl-ubuntu-12-0-local_12.0.1-1_amd64.deb
sudo cp /var/cuda-repo-wsl-ubuntu-12-0-local/cuda-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cuda

然后，在你的终端输入上面的代码，等待运行完成。完成之后，需要配置一下环境。注意，我这里是将bashrc换为了zshrc，大家根据自己的进行修改：

sudo vi ~/.zshrc

在文本最后面加入：

export PATH=/usr/local/cuda-12.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-12.0/lib64

重新加载环境以及动态链：

source ~/.zshrc
sudo ldconfig

检查是否安装成功：

nvcc -V

这样子就是搞定了

安装cudnn

前往官网下载：cudnn

• 这个网址貌似需要注册一下，这个是小问题
  
  点击，然后：
  
  这里我选择了11.x的版本，为什么没有选择12与cuda进行对应呢。因为当时看错了，等我发现的时候已经进行安装了。
  选择这个，可以通过 wget 命令下载到服务器上：

wget https://developer.nvidia.com/downloads/c118-cudnn-linux-8664-880121cuda11-archivetarz

但是由于文件好像比较大，容易卡。我后来是先下载到本地，然后再传到服务器上的。

打开终端，进入 cuDNN 压缩包所在的文件夹，执行以下命令：

tar -xzvf cudnn-xx.x-linux-x64-v8.x.x.x.tgz

其中，xx.x 是 CUDA 的版本，v8.x.x.x 是 cuDNN 的版本。例如，如果安装的是 CUDA 12.0，cuDNN 的版本是 v8.1.1，则执行以下命令：

tar -xzvf cudnn-12.0-linux-x64-v8.1.1.33.tgz

将解压后的文件夹拷贝到 CUDA 的安装路径下的相应文件夹中，通常为 “/usr/local/cuda-xx.x”，其中 xx.x 是 CUDA 的版本。

例如，如果安装的是 CUDA 12.0，则执行以下命令.注意，如果你是其他的版本，就把12.0对应修改：

sudo cp cuda/include/cudnn*.h /usr/local/cuda-12.0/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-12.0/lib64
sudo chmod a+r /usr/local/cuda-12.0/include/cudnn*.h /usr/local/cuda-12.0/lib64/libcudnn*

添加环境变量。打开终端，执行以下命令：

echo 'export LD_LIBRARY_PATH=/usr/local/cuda-12.0/lib64:$LD_LIBRARY_PATH' >> ~/.zshrc
source ~/.zshrc

最后，可以通过执行以下命令来验证 cuDNN 是否安装成功:

cat /usr/local/cuda-12.0/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

如果成功安装，应该能够看到类似下面的输出：

#define CUDNN_MAJOR 8
#define CUDNN_MINOR 1
#define CUDNN_PATCHLEVEL 1
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)

以上是在 Ubuntu 22.04 上安装符合 CUDA 12 的版本的 cuDNN 的步骤。在安装 cuDNN 之前，请确保已经正确安装了对应版本的 CUDA。

---

完成以上两步骤之后，就搞定了90%了。

下面，就是在anaconda下，创建一下新的环境,命名为pytorch：

conda create -n pytorch python=3.9.0

然后，回到之前pytorch的官网，选择对应的需求：

激活环境后，运行上述红框中的命令：

conda activate pytorch
conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia

等待安装完成，然后验证是否成功：

命令行输入：python

import torch
torch.cuda.is_available()

安装完成，大功告成~~~

https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html
https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html
https://pytorch.org/