ubuntu安装cuda-10.2以及对应版本的cudnn

安装显卡驱动及检查安装是否成功

下面开始进行Cuda的安装，开始之前我们可以手动更换一下源：这里推荐阿里云的源，如果不懂的自行百度。同时要先安装显卡驱动。
换完源后：
更新一下源

sudo apt update

开始安装前再次却一下ubuntu版本：打开终端ctrl+alt+t

cat /proc/version

输出如下结果:

Linux version 5.4.0-125-generic (buildd@lcy02-amd64-083) (gcc version 9.4.0 (Ubuntu 9.4.0-1ubuntu1~20.04.1)) #141-Ubuntu SMP Wed Aug 10 13:42:03 UTC 2022                                                                                                   

安装ubuntu-drivers，我们可以通过ubuntu-drivers检测你的NVIDIA显卡型号和推荐的驱动程序的模型。

sudo apt install ubuntu-drivers-common

获得NVIDIA显卡型号和推荐的驱动程序：

ubuntu-drivers devices

结果

可以发现我的推荐 driver : nvidia-driver-470 - distro non-free recommended
这个是推荐的显卡驱动版本 nvidia-driver-470，使用下面代码安装

sudo apt install nvidia-driver-470

备注：Nvidia驱动默认安装OpenGL桌面，然而这又与GNOME桌面冲突，为了系统不宕机，需禁用nvidia的OpenGL。
Linux系统一般默认安装的是开源的nouvea显卡驱动，它与nvidia显卡驱动产生冲突，欲装nvidia必禁nouvea！
禁用nouveau驱动：

sudo gedit /etc/modprobe.d/blacklist.conf

在弹窗最后加入下面代码：

blacklist nouveau

保存，关闭弹窗；至此，安装完毕，重启

sudo reboot

打开终端检查是否禁用成功，执行下面命令若无输出代表禁用nouveau生效

lsmod | grep nouveau

测试安装是否成功，这会返回你的所有显卡的信息：

nvidia-smi

安装cuda及检查安装是否成功
首先我们查案一下什么版本的CUDA使用现在流行的深度学习框架，如pytorch，tensorflow等下面以pytorch举例：pytorch和cuda版本

Linux and Windows
# CUDA 10.2
conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=10.2 -c pytorch

# CUDA 11.3
conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=11.3 -c pytorch

# CPU Only
conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cpuonly -c pytorch

完全满足当前版本的pytorch
我选择CUDA10.2版本，进入nvidia的CUDA驱动下载页：https://developer.nvidia.com/cuda-downloads，如下图：

找到对应cuda-10.2版本

安照下图进行选择

通过终端指令下载

终端指令下载安装包

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

安装下载好的安装包

sudo sh cuda_10.2.89_440.33.01_linux.run

安装过程中，如下操作

输入accept，点enter回车，如下图 不要选择Driver 即他的前面的×要去掉，因为我们之前已经安装了显卡驱动了

安装完成后，需修改路径，通过修改~/.bashrc文件

sudo gedit ~/.bashrc

# 第3行的CUDA-10.2需要根据实际版本修改
export CUDA_HOME=/usr/local/cuda 
export PATH=$PATH:$CUDA_HOME/bin 
export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}#注意路径cuda-10.2

按ESC，输入：wq！保存文件，并退出，然后source该文件也就是使修改生效，命令如下：

source ~/.bashrc

最后，在终端测试CUDA是否成功安装，分别按顺序运行以下3条命令：

cd /usr/local/cuda-10.2/samples/1_Utilities/deviceQuery 

sudo make

./deviceQuery

结果如下，说明成功：

安装cudnn及检查安装是否成功

与CUDA不同，我们在下载cuDNN的时候，需要注册账号，填写用途等。这里略去这些步骤。下载。页面如下：

根据CUDA的版本来选择cuDNN的下载链接在上图所示的下载页，点击[Download cuDNN v7.6.5 (November 18th, 2019), for CUDA 10.2]，然后，点击[cuDNN Library for Linux]，即可获得下载链接，下载的文件为一个.tgz压缩包，进入文件所在位置，例如文件下载在：home/xy/Downloads，则运行以下命令：进入所在文件夹

cd home/xy/Downloads

解压.tgz文件

tar zxvf cudnn-10.2-linux-x64-v7.6.5.32.tgz -C ./

然后根据官网的安装指导：Installing From A Tar File，分别复制以下文件cuda/include/cudnn.h与cuda/lib64/libcudnn*到CUDA Toolkit目录的include/下与lib64/下

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

修改访问权限：

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

最后，在终端查看cuDNN版本：

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

cudnn 安装完毕，通过以下命令再次确认 CUDA版本

nvcc -V