Ubuntu 18.04安装 CUDA 10.1 、cuDNN 7.6.5、PyTorch1.3
SRE实战 互联网时代守护先锋，助力企业售后服务体系运筹帷幄！一键直达领取阿里云限量特价优惠。
转载请注明出处 BooTurbo https://www.cnblogs.com/booturbo/p/11834661.html
安装平台及环境
CPU：i9-9900k桌面级
GPU：RTX 2080移动版
系统：Ubuntu 18.04.3 LTS
1、在安装CUDA之前确保环境满足安装条件
2、进入NVIDIA官网下载适合自己机器的CUDA版本，官网下载，如图所示，按照 Installation Instructions 来进行，
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-ubuntu1804.pin
sudo mv cuda-ubuntu1804.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget http://developer.download.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda-repo-ubuntu1804-10-1-local-10.1.243-418.87.00_1.0-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1804-10-1-local-10.1.243-418.87.00_1.0-1_amd64.deb sudo apt-key add /var/cuda-repo-10-1-local-10.1.243-418.87.00/7fa2af80.pub sudo apt-get update
sudo apt-get -y install cuda
3、安装完成后，添加环境变量，打开 bashrc 文件，
命令行输入： sudo gedit ~/.bashrc ，然后在文件最后添加下面3行，保存
export CUDA_HOME=/usr/local/cuda export PATH=$PATH:$CUDA_HOME/bin export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
然后刷新下环境变量，
输入：source ~/.bashrc
4、测试下CUDA是否安装成功，
方法1：输入 nvcc -V ，显示如下，说明没问题
方法2：输入如下，显示如图说明安装成功
cd /usr/local/cuda/samples/1_Utilities/deviceQuery sudo make ./deviceQuery
5、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
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*
安装 Deb 包，cuDNN Runtime Library for Ubuntu18.04(Deb)，cuDNN Developer Library for Ubuntu18.04(Deb)，cuDNN Code Samples and User Guide for Ubuntu18.04(Deb)
分别输入： sudo dpkg -i libcudnn7_7.6.5.32-1+cuda10.1_amd64.deb
sudo dpkg -i libcudnn7-dev_7.6.5.32-1+cuda10.1_amd64.deb
sudo dpkg -i libcudnn7-doc_7.6.5.32-1+cuda10.1_amd64.deb
安装结束后，重启系统，再测试一下安装是否成功，
方法1，输入： cp -r /usr/src/cudnn_samples_v7/ ~
cd ~/cudnn_samples_v7/mnistCUDNN
make clean && make
./mnistCUDNN
出现Test passed！没有报错即安装成功
方法2，输入： cd /usr/local/cuda/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
出现PASS结果，说明安装成功。
6、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
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
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。
Enjoy it.
