深度学习环境配置——conda虚拟环境安装CUDA和CUDNN

人生来就不是为了被打败的，人能够被毁灭，但是不能够被打败。—— 海明威《老人与海》

目录

Ⅰ. 背景

Ⅱ. 使用Conda安装CUDA

2.1 查看显卡驱动兼容性

2.2 创建与激活虚拟环境

2.3 确定要安装的CUDA版本

2.4 下载与安装CUDA

2.5 conda卸载cuda

Ⅲ. 使用Conda安装CUDNN

3.1 查看cuda对应的cudnn版本

3.2 下载安装cudnn

3.3 版本验证

参考文献

操作系统： ubuntu 18.04（服务器）

更新时间： 2024年2月21日

显卡驱动版本： 510.108.03

CUDA版本： cuda 11.3.1（conda虚拟环境安装），cuda 11.8（conda虚拟环境安装）

本文介绍在Conda虚拟环境下CUDA的安装和配置，在虚拟环境vdisco中安装cuda 11.3，在vdisco2环境中安装cuda 11.8。

# 官网教程

https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html#conda-installation

Ⅰ. 背景

深度学习用显卡训练的时候，需要安装与显卡对应的cuda和cudnn。但不同的项目所支持的pytorch版本是不一样的，而pytorch版本和cuda版本之间又是互相依赖的，所以如果可以灵活地在不同cuda版本间切换将是非常方便的。anaconda就可以实现这个功能。我们可以在conda创建的不同虚拟环境中安装不同的cuda和cudnn版本，以此来实现不同cuda版本间的切换。

环境vdisco

环境vdisco2

Ⅱ. 使用Conda安装CUDA

2.1 查看显卡驱动兼容性

GPU信息、驱动版本可以通过cmd输入nvidia-smi指令来查看。

显卡驱动版本向下兼容，其决定了可安装的CUDA Toolkit的最高版本，高版本的驱动支持低版本的CUDA。

https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

比如我的显卡驱动版本是510.108.03，可安装的CUDA最高版本为11.6。（可能是推荐版本，我安装了11.8）

2.2 创建与激活虚拟环境