第一步：顯卡驅動

裝最新版驅動
查看顯卡信息

nvidia-smi

第二步：CUDA

1.查看CUDA官方文檔，安裝與顯卡驅動版本相符合的CUDA。
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
2.選擇與上層庫需求、編譯環境相匹配的CUDA版本。
CUDA下載地址：https://developer.nvidia.com/cuda-toolkit-archive

查看CUDA 的版本：

nvcc -V

或者

nvidia-smi

說明：可以看到nvcc -v 和 nvidia-smi 兩個對應的CUDA版本并不一樣，其實是因為CUDA 有兩種API，分別是 運行時 API 和 驅動API，即所謂的 Runtime API 與 Driver API。 nvidia-smi 的結果除了有 GPU 驅動版本型號，還有 CUDA Driver API的型號，這里是 10.0。而nvcc的結果是對應 CUDA Runtime API。
而我們安裝的時候，要和nvcc的保持一致。

第三步：cuDNN

原則：選擇與CUDA版本對應的
下載地址：https://developer.nvidia.com/rdp/cudnn-archive

第四步：pytorch

原則：根據已安裝的CUDA確定需要的pytorch版本

安裝命令：（示例中 11.0為示例中的CUDA版本）

conda install pytorch torchvision cudatoolkit=10.2 -c pytorch

用conda安裝指定版本的pytorch

onda -n pytorch1.2 source activate pytorch1.2

查看pytorch版本：

import torch print(torch.__version__) #注意是雙下劃線

驗證pytorch是否 已經裝好：

import torch x = torch.rand(5, 3) print(x)

如果裝好，應該輸出為：

tensor([[0.3380, 0.3845, 0.3217],[0.8337, 0.9050, 0.2650],[0.2979, 0.7141, 0.9069],[0.1449, 0.1132, 0.1375],[0.4675, 0.3947, 0.1426]])

驗證顯卡驅動和CUDA是否已被啟用并可被Pytorch訪問，可運行以下命令以返回是否啟動了CUDA驅動程序：

import torch # 可以import說明Pytorch安裝成功 torch.cuda.is_available() #返回True則說明Pytorch可以在當前GPU上使用

用conda卸載Pytorch

conda uninstall pytorch conda uninstall libtorch

備注：
Anaconda is our recommended package manager since it installs all dependencies.

總結

以上是生活随笔為你收集整理的Ubuntu深度学习环境部署——显卡驱动、CUDA、cuDNN、pytorch的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。