安装cuda+cudnn流程记录

1.安装cuda

https://developer.nvidia.cn/cuda-downloads，可查看安装版本：

下载 安装：

wget https://developer.download.nvidia.com/compute/cuda/11.5.1/local_installers/cuda_11.5.1_495.29.05_linux.run
sudo sh cuda_11.5.1_495.29.05_linux.run

 已经安装了驱动，所以不选择Driver。等待后，安装成功：

添加路径参数:

export PATH="/usr/local/cuda-11.5/bin:$PATH" 
export LD_LIBRARY_PATH="/usr/local/cuda-11.5/lib64:$LD_LIBRARY_PATH"

测试是否安装成功：

#编译并测试设备 deviceQuery：
cd /usr/local/cuda-11.5/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery

  deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 11.5, CUDA Runtime Version = 11.5, NumDevs = 1
  Result = PASS

在.bashrc文件中添加：

export CUDA_HOME=/usr/local/cuda-11.5
export LD_LIBRARY_PATH=/usr/local/cuda-11.5/lib64:$LD_LIBRARY_PATH
export PATH=/usr/local/cuda-11.5/bin:$PATH

检查.profile文件中自动执行。再查看cuda版本：

$: nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2021 NVIDIA Corporation
Built on Thu_Nov_18_09:45:30_PST_2021
Cuda compilation tools, release 11.5, V11.5.119
Build cuda_11.5.r11.5/compiler.30672275_0

 2.安装cudnn

 https://developer.nvidia.cn/rdp/cudnn-archive#a-collapse742-10，查询版本。

下载安装，需要登陆账户。下载挺慢的。1.4G。

 解压文件并复制：

tar zxvf cudnn-11.5-linux-x64-v8.3.0.98.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

因为版本升级，使用之前的命令：

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

查不出版本的结果。查看版本见3.2。

3.安装conda

wget -c https://repo.continuum.io/miniconda/Miniconda3-latest-Linux-x86_64.sh

chmod 777 Miniconda3-latest-Linux-x86_64.sh
sh Miniconda3-latest-Linux-x86_64.sh

export  PATH="/home/gaoxiang/miniconda3/bin:"$PATH

 最后一行也需要添加到.bashrc文件中。创建conda环境：

conda create -n sc_37 python=3.7
conda activate sc_37

在conda环境的基础上安装pytorch：

3.1 安装pytorch

但是没有cuda11.5版本对应的pytorch，尝试安装11.3版本的是否有问题。https://pytorch.org/get-started/locally/。

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

查看是否可用GPU：

>>> import torch
>>> torch.cuda.is_available()
True
>>> torch.cuda.device_count()
1
>>> torch.cuda.get_device_name(0)
'NVIDIA GeForce RTX 3090'
>>> torch.cuda.current_device()
0

3.2 安装tensorflow

cudnn版本：

import torch
torch.backends.cudnn.version()

8005

 那么按照上图，安装2.4.0版本：

pip install tensorflow-gpu==2.4.0

conda install -c conda-forge tensorboardx 

尝试：

from torch.utils.tensorboard import SummaryWriter

ok。