Ubuntu 配置深度学习环境 Pytorch + CUDA10 + NVIDA驱动

本文介绍使用GPU的 Pytorch 深度学习环境的配置，在安装Pytorch之前,需要先确保安装NVIDIA驱动、CUDA和cuDNN．

安装NVIDA GPU显卡驱动

1. 查询显卡型号
2. 官网下载适合自己显卡的驱动.run文件
3. 卸载原有的NVIDIA驱动，sudo apt-get remove –purge nvidia* sudo apt-get autoremove；如果是使用官网下载的.run驱动，找到安装文件sudo ./*.run –uninstall
4. 禁用nouveau驱动sudo gedit /etc/modprobe.d/blacklist.conf，在末尾添加:blacklist nouveau，然后执行：sudo update-initramfs -u，重启进入命令行界面后执行：lsmod | grep nouveau。如果没有屏幕输出，说明禁用nouveau成功。
5. 进入Ctrl+Alt+F3进入命令行模式，关闭gdm服务sudo /etc/init.d/gdm3 stop
6. 找到下载的驱动安装，sudo ./*.sh -no-opengl-files(务必加上此参数)
7. 重启sudo reboot

安装CUDA10.1

1. 官网下载linux, x86_64, Ubuntu, 18.04(或17.04)的runfile
2. 安装

$ sudo sh cuda_10.0.130_410.48_linux.run

按空格读完声明，在安装过程中会询问是否安装显卡驱动，我们已经安装所以将驱动项去掉即可。安装完成后可能会有警告，提示samplees缺少一些包，暂时忽略，没有影响。

1. 配置环境变量

sudo gedit ~/.bashrc

在.bashrc中添加下面Path

# add cuda
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}}

source使其生效

$ source ~/.bashrc

1. 验证

$ nvcc -V

1. 编译sample验证

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

编译成功说明安装完成。

1. 显示驱动信息和CUDA版本

$ nvidia-smi

安装cuDNN

官网注册下载,下载uDNN v7.5.0 (Feb 25, 2019), for CUDA 10.1，注意与CUDA版本保持对应！
解压文件后，复制相应文件至cuda中并更改权限,具体如下：

$ 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*

验证查看CuDNN版本

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

安装Pytorch

Pytorch官网下载安装pip或conda版本的pytorch
注意Pytorch版本需要和CUDA版本相对应！
Stable, Linux, Pip, Python3.6, CUDA10