EGNet实验中的一些问题（2）

最新推荐文章于 2024-04-12 11:26:22 发布

原创

最新推荐文章于 2024-04-12 11:26:22 发布 · 412 阅读

4 ·

CC 4.0 BY-SA版权

本文详述了在Ubuntu 20.04上安装CUDA 11.1、cudnn 8.0.5及PyTorch的过程，包括驱动下载、库文件链接、环境变量设置和软连接修复。同时，介绍了如何在PyCharm中配置Anaconda环境，以及EGNet实验中涉及的代码修改和训练测试流程。

1、系统方面：先装驱动，去官方网站 https://www.nvidia.cn/geforce/drivers/ 下载安装，或Ubuntu设置中——关于——软件更新——附加驱动——选择专有tested。然后根据Ubuntu版本安装cuda，cudnn，pytorch，torchvison等，这些都是需要版本型号匹配的，不能随便安装版本。

本机Ubuntu是20.04，选择的cuda是cuda11.1 （可以去cuda官方网站上找到对应的版本进行下载安装），安装路径/usr/local，nvcc -V验证是否成功。安装cuda的时候如果驱动提前装了，这时需要取消勾选安装driver驱动以安装cuda toolkit。（如果驱动重新装，那么cuda也要再次重新装）

cudnn是下载的cudnn-10.1-linux-x64-v8.0.5.39，安装过程其实就是将解压后的cudnn中的cuda的库和头文件复制到本机安装的cuda的目录下，如/usr/local/cuda-11.1
sudo cp cuda/include/cudnn.h /usr/local/cuda-11.1/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-11.1/lib64
sudo chmod a+r /usr/local/cuda-11.1/include/cudnn.h /usr/local/cuda-11.1/lib64/libcudnn*
然后是修改一些软链接，（下面的8.0.5是对应于cudnn中的版本号？？？）

cd /usr/local/cuda/lib64/
#删除原有动态文件
sudo rm -rf libcudnn.so libcudnn.so.8
#生成软衔接
sudo ln -s libcudnn.so.8.0.5 libcudnn.so.8
#生成软链接
sudo ln -s libcudnn.so.8 libcudnn.so
sudo ldconfig

如果这个过程中报错，进一步参考

解决方案：

sudo ln -sf /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_adv_train.so.8.0.1 /usr/local/c