Ubuntu 18.04+RTX2080Ti+CUDA10.1+CUDNN7.6.5+Pytorch1.3环境部署（详细教程）

修正：Ubuntu 18.04+RTX2080Ti建议安装cuda10.0，cudnn7.5.1，pytorch1.4.0+cu100 / torchvision0.5.0+cu100，tensorflow-gpu1.14.0 修正日期：20200611

安装方式与下文描述类似，只要选择上面的版本安装即可

一、安装cuda（准备工作）

1、检查Linux版本是否支持CUDA Ubuntu18.04 + RTX2080ti 支持

2、检查系统是否安装gcc

gcc --version

在这里插入图片描述

3、 检查是否安装了kernel header和 package development

在终端中输入: uname -r 可以查看自己的kernel版本信息 在终端中输入: sudo apt-get install linux-headers-$(uname -r) 可以安装对应kernel版本的kernel header和package development

4、运行nvidia-smi 查看现有驱动支持的cuda版本

在这里插入图片描述

（重要）根据上述运行结果查看driver version和CUDA Version的版本。此外，如果需要安装pytorch或者tensorflow，可登陆pytorch官网进行查看当前pytorch支持的cuda的版本，根据对应的版本下载pytorch。

5、下载官网run文件：cuda官网

在这里插入图片描述

下载完成后

6、runfile安装 A) 禁用 nouveau 终端中运行： lsmod | grep nouveau，如果有输出则代表nouveau正在加载。 因为我早就安装了NVIDIA的显卡驱动，禁用了nouveau，所以没有输出。

在这里插入图片描述

B) 切换到.run安装文件的路径，运行 sudo sh cuda_10.1.105_418.39_linux.run （10.2版本类似）!

在这里插入图片描述

在这里插入图片描述

注意：不安装driver，否则重启之后电脑一直蓝屏（踩坑）。

7、设置环境变量

终端输入：sudo gedit /etc/profile，输密码后进入，打开文件末尾，加入以下两行后保存。（10.2版本类似）

export PATH=/usr/local/cuda-10.1/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda10.1/lib64 

1）在终端输入sudo gedit ~/.bashrc

2）在文本的最后输入

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.1/lib64
export PATH=$PATH:/usr/local/cuda-10.1.0/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.1

目录要对应自己的cuda版本 3）然后source ~/.bashrc 激活环境 4）在终端输入nvcc -V出现下面画面则安装成功 !blog.csdnimg.cn/20200528154419611.png

在这里插入图片描述

（图片参考：https://blog.csdn.net/hou9021/article/details/104311088）

重启：sudo reboot 开始测试cuda是否安装成功： 命令如下：

cd /usr/local/cuda-10.2/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

最后结果显示，如下：

在这里插入图片描述

(图片参考：https://blog.51cto.com/14204744/2464180?source=dra)

有些地方可能会不一样，只要最后是Result = PASS就代表这cuda10.1安装成功了。

CUDA卸载：

cd /usr/local/cuda/bin
sudo ./cuda-uninstaller

CUDNN安装

安装cuDNN 7.6.5版本，转到官网下载，下载前先注册一下，填个调查问卷，根据自己的环境和架构选择包，下载到本地

在这里插入图片描述

注意：具体的版本请参照官网，只需要与cuda的版本对应即可

切换到下载目录 cd Downloads ，然后按照以下操作进行，

解压： cuDNN Library for Linux， 输入： tar -zxvf cudnn-10.1-linux-x64-v7.6.5.32.tgz

将解压出来的文件复制到安装的CUDA环境中，输入：

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

更改权限，输入：

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

注意：如果系统提示找不到cudnn.h，可复制cuda/include/cudnn.h到/usr/local/cuda/include/目录下

安装PyTorch1.3

进入PyTorch官网安装合适的版本，官网 ，

输入： pip3 install torch torchvision ，等待安装结束（现在官网最新版本为1.5）

在这里插入图片描述

在这里插入图片描述

安装完成后，进入python3环境，验证是否成功，

输入： python3

再输入：

import torch
import torchvision

在这里插入图片描述

没有报错，说明安装成功。

最后验证下GPU能否使用，输入： print(torch.cuda.is_available()) ，输出True，说明没问题。

在这里插入图片描述

参考文章：https://www.cnblogs.com/booturbo/archive/2019/11/11/11834661.html

发布者：全栈程序员栈长，转转请注明出处：https://javaforall.cn/2164.html原文链接：