11、Nvidia显卡驱动、CUDA、cuDNN、Anaconda及Tensorflow Pytorch版本

一、确定版本关系

TensorFlow Pytorch推出cuda和cudnn的版本，cuda版本推出驱动可选版本

1、CUDA与显卡驱动
https://www.nvidia.com/Download/index.aspx

2、cuDNN Toolkit与CUDA版本
https://developer.nvidia.com/rdp/cudnn-archive

3、TensorFlow与CUDA cuDNN
https://tensorflow.google.cn/install/source?hl=en

4、Pytorch与CUDA cuDNN
https://pytorch.org/

5、cudnn
https://zhuanlan.zhihu.com/p/639184948
https://blog.csdn.net/Williamcsj/article/details/123514435

官方下载地址：https://developer.nvidia.com/rdp/cudnn-archive

安装TensorFlow

1. 安装依赖包
   安装 TensorFlow 之前需要我们安装两个个依赖包，这里我的 cuda 版本为 11.1，cudnn 版本为 8.1.0，下载依赖包为
   libcudnn8_8.1.0.77-1+cuda11.2_amd64.deb
   libcudnn8-dev_8.1.0.77-1+cuda11.2_amd64.deb
   官网链接如下：https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/
   这里我使用 wget 下载：
   参考链接：https://blog.csdn.net/weixin_46584887/article/details/122726278
   官方教程：https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html
   

二、安装过程

参考：
https://blog.csdn.net/m0_45447650/article/details/132058561
https://blog.csdn.net/weixin_46584887/article/details/122726278

1.安装显卡驱动

方法（1）在线安装

1. 卸载旧版本nvidia驱动
如果没有安装nvidia驱动，可直接跳过。$ sudo apt purge nvidia*
1
2. 把显卡驱动加入PPA
$ sudo add-apt-repository ppa:graphics-drivers
$ sudo apt update
1
2
3. 查找版本库中显卡驱动
使用以下命令查看系统版本库中所有nvidia驱动的信息，根据需要选择合适的版本。$ sudo apt-cache search nvidia
1
推荐使用以下命令，查看Ubuntu推荐的驱动版本，从中选择合适的版本。$ ubuntu-drivers devices
参考链接：https://blog.csdn.net/qq_28256407/article/details/115548675

方法（2）下载安装
https://www.nvidia.com/Download/index.aspx

可以参考：https://blog.csdn.net/Perfect886/article/details/119109380，之前是run文件，现在是def文件，Debian安装命令一般sudo dpkg -i 命令。
例如：sudo dpkg -i cuda-repo--X-Y-local_*_x86_64.deb

2、安装CUDA

方法一：用run方式，可以选择是否安装驱动，一般不选
https://developer.nvidia.com/cuda-downloads?

选择是否安装：https://zhuanlan.zhihu.com/p/501473091

配置环境

配置环境
gedit ~/.bashrc
在打开的文件中添加
export CUDA_HOME=/usr/local/cuda-11.1
export LD_LIBRARY_PATH=${CUDA_HOME}/lib64
export PATH=${CUDA_HOME}/bin:${PATH}
链接：https://blog.csdn.net/qq_39821101/article/details/116092190

方法二：官方教程：https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html#

参考：https://blog.csdn.net/qq_39821101/article/details/116092190
https://blog.csdn.net/m0_45447650/article/details/132058561

3、安装cudnn

（1）下载安装：cudann
https://developer.nvidia.com/rdp/cudnn-archive

2 安装deb文件（安装 TensorFlow 之前需要我们安装两个个依赖包）
官方下载地址：https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/

使用如下语句依次安装：（debain命令，Ubuntu也可以）
sudo dpkg -i libcudnn8_8.0.3.33-1+cuda11.0_amd64.deb
sudo dpkg -i libcudnn8-dev_8.0.3.33-1+cuda11.0_amd64.deb
sudo dpkg -i libcudnn8-samples_8.0.3.33-1+cuda11.0_amd64.deb

Ubuntu命令，作为参考

执行以下命令：
sudo apt install ./cudnn-local-repo-ubuntu2004-*amd64.deb
sudo cp /var/cudnn-local-repo-ubuntu2004-8.4.1.88/cudnn-local-4B348671-keyring.gpg /usr/share/keyrings/
sudo apt update
#下面自动匹配版本，注意版本不对会出错
sudo apt install libcudnn8
sudo apt install libcudnn8-dev
sudo apt install libcudnn8-samples

参考：https://zhuanlan.zhihu.com/p/126997172
https://zhuanlan.zhihu.com/p/639184948

4、安装TensorFlow

pip install -i https://mirrors.aliyun.com/pypi/simple tensorflow

#（2）查看cuda是否可用
import tensorflow as tf
print(tf.test.is_gpu_available())#如果结果是True，表示GPU可用

5、安装pytorch

pip3 install torch torchvision torchaudio

import torch
print(torch.__version__)
print(torch.cuda.is_available())

三、卸载

1. 卸载旧版本nvidia驱动
如果没有安装nvidia驱动，可直接跳过。
$ sudo apt purge nvidia*2、卸载cuda
#只执行这条可以
sudo apt-get autoremove nvidia-cuda-toolkitcd /usr/local/cuda-11.1/bin
sudo ./cuda-uninstaller
sudo rm -rf /usr/local/cuda-11.1
从https://developer.nvidia.com/cuda-toolkit-archive下载对应版本的cuda
如果你之前执行过sudo apt-get install nvidia-cuda-toolkit,需要卸载：sudo apt-get autoremove nvidia-cuda-toolkitsudo  apt-get install nvidia-cuda-toolkit
# 卸载
sudo apt-get autoremove nvidia-cuda-toolkit
在终端输入
nvcc -V
没有cuda版本信息，则卸载成功
链接：https://blog.csdn.net/qq_39821101/article/details/1160921903、卸载cudnn
查询：
sudo dpkg -l | grep cudnn
将其全部卸载：
sudo dpkg -r libcudnn8-samples
sudo dpkg -r libcudnn8-dev
sudo dpkg -r libcudnn8检查：
输入下面指令后，没有任何输出即卸载成功。
sudo dpkg -l | grep cudnn
接：https://blog.csdn.net/Williamcsj/article/details/123514435