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
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-$(uname -r)
可以安装对应kernel版本的kernel header和package development
4、运行nvidia-smi 查看现有驱动支持的cuda版本
（重要）根据上述运行结果查看driver version和CUDA Version的版本。此外，如果需要安装pytorch或者tensorflow，可登陆pytorch官网进行查看当前pytorch支持的cuda的版本，根据对应的版本下载pytorch。
5、下载官网run文件：cuda官网
下载完成后
6、runfile安装
A) 禁用 nouveau
终端中运行： lsmod | grep nouveau，如果有输出则代表nouveau正在加载。
因为我早就安装了NVIDIA的显卡驱动，禁用了nouveau，所以没有输出。
B) 切换到.run安装文件的路径，运行
sudo sh cuda_10.1.105_418.39_linux.run （10.2版本类似）!
注意：不安装driver，否则重启之后电脑一直蓝屏（踩坑）。
7、设置环境变量
终端输入：sudo gedit /etc/profile，输密码后进入，打开文件末尾，加入以下两行后保存。（10.2版本类似）
export PATH=/usr/local/cuda-10.1/bin:$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
（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：
(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
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）
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。
参考文章：https://www.cnblogs.com/booturbo/archive/2019/11/11/11834661.html
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/2164.html原文链接：https://javaforall.net
