Ubuntu18.04安装cuda10.1+cudnn8.0.5+pytorch1.8.1【亲测～】

目录

第一步 ：Cuda10.1的安装

1）输入命令，确保自己没装Cuda：

cat /usr/local/cuda/version.txt

在命令nvidia-smi得到的CUDA Version：11.5等版本

，这里的意思是你的显卡驱动支持的最大CUDA版本，并不是真正安装的CUDA版本（所以麻烦不要误人子弟）

具体来说：

CUDA Driver = CUDART,
CUDA Driver Version = 11.5,
CUDA Runtime Version= 10.1

CUDA驱动版本和CUDA运行版本，这两者是不一样的东西～

2）进入Cuda官网，当然你也可以直接百度cuda10.1，选择CUDA Toolkit 10.1 update1 Archive | NVIDIA Developer

这里有很多不同的安装类型(Installer Type)，建议选用第一个.run安装包，不要问为什么，因为干净简洁～
下载后得到：

如右下角所示：2.4G，然后执行：

sudo sh cuda_10.1.168_418.67_linux.run

敲击accept，下一步：
这里如果直接选择Install的话，报错：

Installation failed. See log at /var/log/cuda-installer.log for details

因为你已经有了CUDA驱动，所以选择第一行按回车，回车键作用是将 [X] 就会变成[ ]，[X]代表有，[ ]代表无。

PS：图我没保存，就借用了别人的，不要计较版本不对应，我还是Cuda10.1~
最后选择yes，直到结束。

3）确认cuda是否安装成功

cd /usr/local/cuda/samples/1_Utilities/deviceQuery

再执行：

sudo make

最后执行：

./deviceQuery

看见Result = PASS意味着成功~
4）添加环境变量

sudo gedit ~/.bashrc

打开该文件，然后再最后输入：

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.1/lib64
export PATH=$PATH:/usr/local/cuda-10.1/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.1

注意：当中的cuda版本要对应你下载的版本

最后，使之生效：

source ~/.bashrc

补充一下：
Cuda12.2左右版本的安装：
是不需要进入deviceQuery文件夹进行sudo make的，直接设置环境变量：

sudo gedit ~/.bashrc
export PATH=/usr/local/cuda-12.2/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-12.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

再运行：

source ~/.bashrc

最后检测检查是否安装成功：nvcc -V

第二步 ：Cudnn8.05的安装

1.进入官网：https://developer.nvidia.com/rdp/cudnn-archive下载

或者你也可以直接百度cudnn进入
然后，需要登录，选择Sign in（如已有帐号自动忽略）
注册后，打开页面：

选择ubuntu中的三个文件，都需要下载：

完成后，cd到下载的文件夹，执行：

sudo dpkg -i libcudnn8_8.0.5.39-1+cuda10.1_amd64.deb                                                                                              
sudo dpkg -i libcudnn8-dev_8.0.5.39-1+cuda10.1_amd64.deb
sudo dpkg -i libcudnn8-samples_8.0.5.39-1+cuda10.1_amd64.deb

2.确认cudnn安装成功

通过上步骤的安装，得到了cudnn的安装路径：/usr/include/
因此，执行：

sudo cp /usr/include/cudnn.h /usr/local/cuda/include
sudo chmod a+x /usr/local/cuda/include/cudnn.h

复制cudnn的头文件到cuda文件夹中，然后确认cudnn安装是否成功：

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
cp -r /usr/src/cudnn_samples_v8/ $HOME
cd $HOME/cudnn_samples_v8/mnistCUDNN
make clean && make

./mnistCUDNN

输出Test passed，表示成功～

补充：此教程不适用于11.x的cudnn版本：
ubuntu22.04的11.x的cudnn版本需要下载 Local Installer for Linux x86_64 (Tar)压缩文件，然后按照官方文档指示：

Unzip the cuDNN package. $ tar -xvf
cudnn-linux-x86_64-8.x.x.x_cudaX.Y-archive.tar.xz Copy the following
files into the CUDA toolkit directory. $ sudo cp
cudnn--archive/include/cudnn.h /usr/local/cuda/include $ sudo cp -P
cudnn--archive/lib/libcudnn /usr/local/cuda/lib64 $ sudo chmod a+r
/usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

最后测试：

cat /usr/local/cuda-11.0/include/cudnn_version.h | grep CUDNN_MAJOR -A
2

附一张成功的照片：

另外：更换cuDNN版本

删除已安装的cuDNN文件：

sudo rm -rf /usr/local/cuda/include/cudnn.h
sudo rm -rf /usr/local/cuda/lib64/libcudnn*

解压准备更换的安装包，并将相关文件复制到cuda目录下对应的文件夹：

tar -xvf cudnn-linux-x86_64-8.4.1.50_cuda11.6-archive.tar.xz
sudo cp include/cudnn*.h /usr/local/cuda/include
sudo cp lib64/lib* /usr/local/cuda/lib64/

更新软链接：

cd /usr/local/cuda/lib64/
sudo chmod +r libcudnn.so.8.4.1
sudo ln -sf libcudnn.so.8.4.1 libcudnn.so.8
sudo ln -sf libcudnn.so.8 libcudnn.so
sudo ln -sf libcudnn_adv_train.so.8.4.1 libcudnn_adv_train.so.8
sudo ln -sf libcudnn_adv_infer.so.8.4.1 libcudnn_adv_infer.so.8
sudo ln -sf libcudnn_ops_train.so.8.4.1 libcudnn_ops_train.so.8
sudo ln -sf libcudnn_ops_infer.so.8.4.1 libcudnn_ops_infer.so.8
sudo ln -sf libcudnn_cnn_infer.so.8.4.1 libcudnn_cnn_infer.so.8
sudo ln -sf libcudnn_cnn_train.so.8.4.1 libcudnn_cnn_train.so.8
sudo ldconfig  # 检查是否存在可共享的动态链接库

检查版本：

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

第三步 ：pytorch的安装

1）推荐使用pip3安装，没有pip3的执行：

sudo apt install python3-pip

2）进入pytorch官网，
找到cuda 10.1

执行：

pip install torch==1.8.1+cu101 torchvision==0.9.1+cu101 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

安装完成～
测试：

python
import torch
torch._version__

3）一般的，Ubuntu会自带两种python，默认的是python2.7
输入python确认：

输入python -v和python3 -v显示软连接：

看到有python 3.6，然后也可以cd /usr/bin/利用ls命令查看python的版本，并删除python文件夹建立新的软连接，我不敢～

于是可以：

sudo update-alternatives --install /usr/bin/python python /usr/bin/python3 150
sudo update-alternatives --config python

转换一下即可，再输入python显示：Python 3.6.9 (default, Mar 15 2022, 13:55:28)

PS:修改ubuntu光标的粗细，因为我的光标总是莫名其妙的消失，所以我想换一下：
右键选择：preferences（配置）

选择cursor shape光标形状：

结论：写作不易，该赞赞丫～

加更：补充最新Download cuDNN v8.7.0 (November 28th, 2022), for CUDA 11.x下载：

https://developer.nvidia.com/rdp/cudnn-archive（需要账号注册登陆，下载），这里有一个安装包：

选择这个集成好的deb文件，下载后，

1.直接运行：

sudo chmod 777 cudnn-local-repo-ubuntu2204-8.7.0.84_1.0-1_amd64.deb
sudo sh cudnn-local-repo-ubuntu2204-8.7.0.84_1.0-1_amd64.deb

或者

sudo  ./cudnn-local-repo-ubuntu2204-8.7.0.84_1.0-1_amd64.deb

2.导入GPG密匙：

sudo cp /var/cudnn-local-repo-ubuntu2204-8.9.0.131/cudnn-local-2063C34E-keyring.gpg /usr/share/keyrings/

3.使用：apt-cache policy libcudnn8命令查看指定的libcudnn8和cuda版本，

4.安装：

sudo apt-get install libcudnn8=8.7.0.84-1+cuda11.8
sudo apt-get install libcudnn8-dev=8.7.0.84-1+cuda11.8
sudo apt-get install libcudnn8-samples=8.7.0.84-1+cuda11.8

5.验证是否安装成功：

cp -r /usr/src/cudnn_samples_v8/ $HOME
cd $HOME/cudnn_samples_v8/mnistCUDNN
make clean && make
./mnistCUDNN

注：如果上面的make命令提示缺少FreeImage.h，运行：sudo apt-get install libfreeimage3 libfreeimage-dev
结束：