Ubuntu22.04配置cuda/cudnn/pytorch

安装cuda

官网下载.run文件并且安装

nvcc -V        # 验证电脑中是否有CUDA

nvidia-smi  # 查看cuda最高支持版本

接下来要去cuda官网找cuda下载： cuda官网
这里都有相关的教程的。

chmod 777 cuda_12.4.0_550.54.14_linux.run
sh cuda_12.4.0_550.54.14_linux.run					# 这时候要等个几十秒左右

按回车continue

输入accept

之前装过NVIDIA驱动了，这里就回车取消选择，接着回车install，开始安装

估计等个几十秒左右完成

/etc/profile中配置cuda环境变量

在Linux系统中，/etc/profile 是一个全局的配置文件，用于设置所有用户登录时的环境变量和启动脚本。当需要配置 CUDA 环境变量（例如 PATH 和 LD_LIBRARY_PATH）时，将其添加到 /etc/profile 文件中是一种常见的做法。这种做法的主要目的是为了让 CUDA 工具链（如 nvcc 编译器和其他库）能够在任何终端会话中被正确识别和使用。
PATH 环境变量定义了系统查找可执行文件的路径。CUDA 安装后，其工具链（如 nvcc 编译器）通常位于 /usr/local/cuda/bin 目录下。如果这个目录没有被添加到 PATH 中，系统就无法直接找到这些工具。
LD_LIBRARY_PATH 环境变量定义了动态链接库的搜索路径。CUDA 的运行时库（如 libcudart.so）通常位于 /usr/local/cuda/lib64 目录下。如果没有正确配置 LD_LIBRARY_PATH，程序在运行时可能会找不到这些库，导致错误。
如果让所有用户都能使用 CUDA 工具链，而不仅仅是某个特定用户，那么将环境变量配置到 /etc/profile 是最合适的选择。这样可以避免为每个用户单独配置环境变量的麻烦。

sudo gedit /etc/profile
# 在最后加入：
export PATH=$PATH:/usr/local/cuda-12.4/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-12.4/lib64

使环境变量立即生效

 source /etc/profile

查看是否生效

nvcc -V

完成cuda的安装

cudnn安装

官网找cuda版本对应的cudnn版本下载

cudnn官网链接，这个网站好像只能看到cudnn8的版本与cuda对应。
cudnn与cuda版本对应的下载链接

这里选对应cuda12版本的cudnn就行，我选个9.5.0吧

复制相应文件到系统文件中

sudo cp cudnn-linux-x86_64-9.5.0.50_cuda12-archive/include/cudnn*.h /usr/local/cuda/include
sudo cp cudnn-linux-x86_64-9.5.0.50_cuda12-archive/lib/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

安装pytorch

官网找cuda对应版本的pytorch

到下面这个链接里找cuda对应版本的pytorch，用相应的命令安装

pytorch官网安装链接
这里我用pytorch2.4.0的

conda install pytorch==2.4.0 torchvision==0.19.0 torchaudio==2.4.0 pytorch-cuda=12.4 -c pytorch -c nvidia

python代码测试pytorch-GPU版本安装情况

import torch
torch.cuda.is_available()
print(torch.__version__)
print(torch.version.cuda)
print(torch.backends.cudnn.version())

都有输出，安装完成