Ubantu系统安装Pytorch以及相应的CUDA

Ubantu系统安装Pytorch以及相应的CUDA

一、安装显卡驱动

安装显卡驱动可以参考https://blog.csdn.net/NCU_Wang/article/details/123611502?spm=1001.2014.3001.5501

1、检查系统推荐显卡驱动版本

sudo ubuntu-drivers devices

结果显示：

建议使用推荐（recommended）的版本

2、添加源

sudo add-apt-repository ppa:graphics-drivers/ppa

sudo apt-get update

3、在系统的软件和更新进行安装

选择软件与更新

选择刚刚推荐的版本（不用选server的），然后点击应用更改。其中可能要设置一个密码。

4、重启输入密码

reboot

重启过后出现

选第二个Enroll MOK，输入之前设置的密码。

（我这里键盘无法操作，查找资料发现没有关闭secure boot，可以参考链接）

5、查看安装版本

nvidia-smi

这样就安装完驱动了，红色部分说明最高能安装CUDA版本。

二、安装CUDA

这里可以根据pytorch官网上对应的版本来安装CUDA的版本，也可以先安装CUDA再选择pytorch的版本。

在pytorch官网上只有对应几个cuda版本的下载，其实它是向下兼容。比如说我的CUDA版本是12.2的，那下载cuda11.8或者cuda12.1的都能使用。

这里我选择先看pytorch版本再安装cuda的版本。

我选择的是CUDA11.8的pytorch，所以选择安装cuda11.8。

1、下载

官网下载地址

选择对应的选项

下面红色圈起来的就是官方给的下载指令。

下载资源包

wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run

2、安装

sudo sh cuda_11.8.0_520.61.05_linux.run

选择Continue

这里输入accept继续

这里因为已经安装好驱动了，键盘移动的第一项Driver，按下enter，取消安装这个。最后选择按install后回车就开始安装，等待安装完成。

3、环境配置

sudo gedit ~/.bashrc

在文本最后添加

export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda/extras/CPUTI/lib64
export CUDA_HOME=/usr/local/cuda/bin
export PATH=$PATH:$LD_LIBRARY_PATH:$CUDA_HOME

最后验证cuda安装是否成功

source ~/.bashrc
nvcc -V

三、安装CUDNN

在官网上下载对应的cuDNN

因为我的cuda是11.8，所以选择for CUDA 11.x版本的

点击下载tar压缩包

然后右键提取解压，解压完成后会有个文件夹，把它重命名为cuda

然后，使用下面两条指令复制cuda文件夹下的文件到/usr/local/cuda-11.8/lib64/和/usr/local/cuda-11.8/include/中。（记得在下载的目录输入指令）

sudo cp cuda/lib/* /usr/local/cuda-11.8/lib64/
sudo cp cuda/include/* /usr/local/cuda-11.8/include/

拷贝完成后，我们可以使用如下的命令查看cuDNN的信息：

cat /usr/local/cuda-11.8/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

这样就安装完成了

四、安装Pytorch

这里需要安装anaconda，安装可以参考link

在官网选择与cuda对应的版本

在终端输入

conda create -n pytorch_study python=3.8

-n 后面的是创建环境的命名，可以自由选择。后面python=3.8，是安装环境的python版本。（如果下载速度慢，可以更换anaconda的源）

输入y，等待安装

安装完成后，进入刚刚配置的环境。

conda activate pytorch_study

然后在官网上选择对应的版本的pytorch

然后将指令复制，可以把后面的-c pytorch和-c nvidia删掉，这样下载比较快，如果删掉后无法下载，就把它加上。

等待安装完成即可。安装完成后输入python

导入torch库，并回车

import torch

然后执行下面的命令

print(torch.cuda.is_available())

如果返回是Ture的话说明你的pytorch是可以正常调用GPU去进行计算的，如果返回False，说明上面的配置有问题。