前言

安裝pytorch的教程網(wǎng)上有許多，我記錄并分享下自己兩臺(tái)筆記本上安裝NVIDIA驅(qū)動(dòng)、CUDA、CUDNN、Pytorch的過程和心得。

首先說明，安裝pytorch-gpu需要完成nvidia驅(qū)動(dòng)安裝、CUDA安裝、CUDNN安裝、torch庫(kù)安裝，其中CUDA和CUDNN版本要對(duì)應(yīng)，不同版本的torch對(duì)CUDA版本有要求，nvidia驅(qū)動(dòng)決定了你可以安裝多高版本的CUDA，因此這些東西的版本不能隨便亂裝，

我的安裝版本是：

聯(lián)想GTX1050筆記本：
Ubuntu18 + 驅(qū)動(dòng)470 + CUDA 10.0 + CUDNN for 10.0 + torch 1.0.0 + python 3.6
Ubuntu18 + 驅(qū)動(dòng)470 + CUDA 10.2 + CUDNN for 10.2 + torch 1.8.0 + python 3.7

機(jī)革GTX4050筆記本：
Ubuntu22 + 驅(qū)動(dòng)525 + CUDA 11.8 + CUDNN for 11.8 + torch 2.0.0 + python 3.8
Ubuntu22 + 驅(qū)動(dòng)525 + CUDA 11.8 + CUDNN for 11.8 + torch 1.12.0 + python 3.8

1.如何選版本

約束一：先從torch版本入手，先確定你要安裝的torch版本 ， pytorch每個(gè)版本有自己支持的CUDA版本，此約束不一定強(qiáng)制滿足，高版本CUDA也可以正常安裝，比如我CUDA11.8的也可以使用下面CUDA11.6安裝的命令正常安裝torch1.12.1

約束二：看一下自己的nvidia驅(qū)動(dòng)最高支持安裝CUDA的版本：（需要先安裝NVIDIA驅(qū)動(dòng)，后面會(huì)講如何安裝驅(qū)動(dòng)）

約束三：CUDA對(duì)GPU的算力也需要匹配，否則torch會(huì)報(bào)以下錯(cuò)誤：

# 這里sm_89的意思就是4050的算力是89，該CUDA版本不支持此算力 NVIDIA GeForce RTX 4050 Laptop GPU with CUDA capability sm_89 is not compatible with the current PyTorch installation

先查看自己電腦GPU的算力

然后看一下CUDA和算力之間的匹配關(guān)系（其實(shí)直接百度你的GPU型號(hào)+CUDA，看看別人都安啥版本的CUDA就行了）

最后根據(jù)這三個(gè)約束找到你要的CUDA版本，后面再根據(jù)CUDA版本安裝CUDNN以及torch。補(bǔ)充一下，當(dāng)你發(fā)現(xiàn)三個(gè)約束沖突，則優(yōu)先滿足約束二和三，比如GPU是4050，查詢約束二和三，發(fā)現(xiàn)CUDA版本最低也要11.8，而我想安裝torch1.8，pip安裝里面并沒有CUDA11.8的，那么直接先滿足約束二和三，安裝CUDA11.8即可，然后后面安裝torch1.8時(shí)，用CUDA版本和11.8最接近的安裝命令即可。

2.安裝NVIDA驅(qū)動(dòng)

我的1050顯卡安的是nvidia-driver-470，4050顯卡安的是nvidia-driver-525

如果是Ubuntu低于18版本，還要先升級(jí)gcc版本，參考

方法一：簡(jiǎn)單但下載速度特別慢

#1.先把之前的nvidia驅(qū)動(dòng)卸載干凈: sudo apt-get remove --purge nvidia* #2.添加并更新源 sudo add-apt-repository ppa:graphics-drivers sudo apt-get update #3.查看適配的驅(qū)動(dòng)版本 sudo ubuntu-drivers devices #4.下載你想下載的nvidia驅(qū)動(dòng)版本： sudo apt install nvidia-driver-470 #5.重啟電腦(這一步很重要，不重啟沒有效果): reboot #6.重啟后，輸入命令查看nvidia驅(qū)動(dòng)是否安裝好了 nvidia-smi

說明一下，上面第四步，也可以通過軟件和更新中的附加驅(qū)動(dòng)安裝，但這樣看不到下載速度

方法一比較簡(jiǎn)單，但下載速度是真的慢，幾十M的東西得下半多小時(shí)

方法二：可能會(huì)遇到較多問題，但順利的話安裝很快

該方法就是直接到NVIDA官網(wǎng)下載驅(qū)動(dòng)，然后安裝，不過過程中容易出現(xiàn)各種各樣的問題，我推薦大家可以先嘗試一下，萬一自己電腦是天選之子，一步到位呢

安裝參考
注意，安裝驅(qū)動(dòng)的run文件時(shí)，不要加入命令行-no-opengl-files否則會(huì)發(fā)現(xiàn)安裝后的圖形不會(huì)顯示顯卡，安裝并未完全成功，

即安裝run驅(qū)動(dòng)文件時(shí)：

# 不要添加-no-opengl-files命令 sudo ./NVIDIA-Linux.run -no-x-check

問題：Unable to load the “nvidia-drm” kernel module

解決：我兩個(gè)解決方法都執(zhí)行了才安裝成功

3.安裝CUDA

CUDA各個(gè)版本下載

CUDA 10.0安裝的方法，參考

CUDA 10.2安裝的方法，參考，10.2及以上版本安裝方法類似

CUDA卸載，參考

注意，這里只需要按教程安裝sh腳本文件即可，后面的環(huán)境配置之后再說

4.安裝CUDNN

CUDNN各個(gè)版本下載

注意，CUDNN要對(duì)應(yīng)CUDA的版本：

CUDNN8.0以下版本的安裝方法，參考

CUDNN8.0及以上版本的安裝方法，參考

5.環(huán)境配置

安裝好CUDA和CUDNN后，就可以配置環(huán)境了：

sudo gedit ~/.bashrc # 添加以下內(nèi)容 # 支持多個(gè)CUDA版本切換,要改版本就修改/usr/local/cuda的軟連接就行了 export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64 export PATH=$PATH:/usr/local/cuda/bin export CUDA_HOME=$CUDA_HOME:/usr/local/cuda

相關(guān)命令

查看cuda版本 ： nvcc -V 查看位置 ： which nvcc 查看NVIDIA動(dòng)態(tài)使用情況： watch -n 1 nvidia-smi cuda 版本 ： cat /usr/local/cuda/version.txt cudnn 版本 ： cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 NVIDIA 驅(qū)動(dòng)版本 ： cat /proc/driver/nvidia/version

6.pytorch安裝

pytorch離線各版本下載

pytorch在線各版本下載

# 發(fā)現(xiàn)下載torch用豆瓣的源比清華源更快 pip install --index-url https://pypi.douban.com/simple 要安裝的包

如果pip安裝torch出現(xiàn)找不到的問題，可能是Python版本低，可以創(chuàng)建個(gè)Python版本更高的conda容器安裝；或者是pip源有問題，可以換一個(gè)源。

我在4050筆記本上安裝，因?yàn)槭?0系顯卡CUDA版本必須1.18.0及以上，但是pytorch支持的CUDA1.18.0版本的目前只有pytorch2.0.0版本太新了，好像高版本CUDA也可以安裝低版本CUDA支持的pytorch版本，但是CUDA版本差距太大的話，會(huì)因?yàn)镃UDA算力不支持而在torch中報(bào)錯(cuò)，我嘗試安裝了支持CUDA1.16.0的pytorch1.12.0，測(cè)試下來好像沒問題：

機(jī)革GTX4050筆記本：Ubuntu22 + 驅(qū)動(dòng)525 + CUDA 11.8 + CUDNN for 11.8 + torch 1.12.0 + python 3.8

7.查看torch gpu是否可用

import torch # 光靠is_available還不足以確定是否安裝成功 torch.cuda.is_available() a=torch.Tensor([1,2]) a=a.cuda()

8.pycharm中torch補(bǔ)全不全

參考

總結(jié)

以上是生活随笔為你收集整理的Ubuntu18及22安装NVIDIA驱动、CUDA、CUDNN、Pytorch的全部?jī)?nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。