RTX NVIDIA 3090卡配置对应pytorch，CUDA版本，NVIDIA驱动过程及问题整理

买了两块3090卡闲置很长时间了，之前tf 1.12.0版本用习惯了不想转工具。这段时间闲下来转了之后有些环境不适配，在雷神帮助下安装完毕，虽然出了点怪东西，整体还好。

原环境CUDA为11.4 其他配置如下

之前conda install的pytorch实为cpu版本，查看gpu等信息时会显示

最开始是想着先把pytorch直接替换为CUDA 11.4版本直接安装即可，在pytorch官网上目前为2.4.1版本，CUDA最低11.8，torch 2.0版本以上的最低也是11.7，安装方式为：

conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

可尝试将11.8改为11.4（未尝试，到这里就尝试用11.8或则12）或找寻前续对应版本，LLM等相关方向建议直接换最近CUDA 12.4。 11.4在装时测试机找不到资源，11.3安装后寻找不到GPU资源。

到目前为止就需要考虑先升级CUDA

Section 1 CUDA 升级（11.4 -> 11.8）

先查看下系统信息

cat /etc/os-release

lsb_release -a

CUDA 官网直接进入后选择即可(地址)，本机打算升级到CUDA 11.8（地址）

在安装 CUDA 11.8 时，deb 和 runfile 是两种不同的安装方式：

1. deb：

   • 适用于基于 Debian 的系统（如 Ubuntu）。
   • 这种安装方式可以通过包管理器轻松安装和管理，方便更新和卸载。
   • 使用命令如 sudo dpkg -i <package.deb> 来安装。

2. runfile：

   • 适用于更广泛的 Linux 发行版。
   • 这种方式提供了更大的灵活性，可以选择安装哪些组件（例如只安装驱动或工具包）。
   • 需要在命令行中执行，例如 sudo sh cuda_11.8.0_XXX_linux.run。

通常，如果你使用的是 Ubuntu 等 Debian 系统，推荐使用 deb 方式；如果你需要更多的控制或使用其他 Linux 发行版，可以选择 runfile。

这边安装时选择的deb (local)

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin

sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600

wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda-repo-ubuntu2004-11-8-local_11.8.0-520.61.05-1_amd64.deb

sudo dpkg -i cuda-repo-ubuntu2004-11-8-local_11.8.0-520.61.05-1_amd64.deb

sudo cp /var/cuda-repo-ubuntu2004-11-8-local/cuda-*-keyring.gpg /usr/share/keyrings/

sudo apt-get update

sudo apt-get -y install cuda

照着安装即可。

安完可能有报错：

可参照下文尝试是否能够解决解决apt-get安装中的E: Sub-process /usr/bin/dpkg returned an error code (1)问题 - 焦距 - 博客园

把这个进行之后，尝试

sudo apt-get update
sudo apt-get -y install cuda

完了之后因为CUDA重装，需要重启电脑，直接reboot

有概率可能就没问题了，但是本机安装时重启后nvidia-smi后还是报错：

NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed and running. 

表明驱动未安装或则启动。

Section2 解决NVIDIA驱动问题

参考文章如下：

NVIDIA驱动失效简单解决方案：NVIDIA-SMI has failed because it couldn‘t communicate with the NVIDIA driver. - nannandbk - 博客园

nvidia-smi出不来，已经显示报错了，那么就直接进行第二步：

使用nvcc -V检查驱动和cuda。

显示找不到nvcc,可以进目录查看下是否有装

cd /usr/local/cuda/bin

这个表明安装过的，那就是路径没对

在bashrc中最后添加以下两行

export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

结束后source ~/.bashrc即可。非管理员的话在自己账户下操作即可，需要sudo权限。自己的电脑建议都添加上，root的bashrc位置为/root/。

完了之后nvcc -V

这个时候就已经完成。按之前博客文章给出的教程继续，查看已安装驱动的版本信息

ls /usr/src | grep nvidia

这个nvidia后面的版本记下，而后接着输入以下命令：

sudo apt-get install dkms

sudo dkms install -m nvidia -v 520.61.05

等待安装完成

正常情况操作完之后能够恢复，但本机安装完之后，接着遇到怪东西：

所以直接按照之前教程后续步骤接着安装驱动。期间会更新一些包，会耗时一段时间。

在 Ubuntu 中，prime-select query 命令显示 on-demand 表示系统当前使用的是 NVIDIA的 on-demand 模式。这种模式下，系统会在需要时自动切换到 NVIDIA GPU，而在其他时间则使用集成显卡 (通常是 Intel GPU)，以节省电池电量和减少热量产生
具体说明:
On-demand 模式: 只有在运行需要 GPU 的程序时，NVIDIA GPU 才会被激活。这有助于提高能效。
NVIDIA 模式: 系统始终使用 NVIDIA GPU，适合需要持续高性能的场合。
Intel 模式: 只使用集成的 Intel GPU，不使用 NVIDIA GPU，适合低功耗需求。
如果希望在运行需要 GPU 的程序时使用 NVIDIA GPU，on-demand 模式是一个不错的选择

本机安装时直接sudo prime-select nvidia切N卡，然后因为更新驱动，随后reboot

装完之后又来了怪东西，CUDA版本变成12.2了。

Section 3 Pytorch对应安装

网上目前暂时没有发现太多RTX 3090和CUDA 12是否适配的说法。

打算直接将pytorch官网环境选择指定为12.1（考虑CUDA同12大版本可兼容）。

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch-c nvidia

本机安装时又出怪东西

这个一直转，后面挂了个screen过了很久回来看还在转，最后切pip安装发现的速度只有10多kb/s，添加了清华镜像试了段时间也不出来。考虑直接换pip install了。

这边需要查看下python和pip位置

这里解释一下，因为这里显示的虚拟环境时conda自己建的，设置的python版本为3.8.x，pip对应的应该是系统自带的python，安装时先试了pip install 来安装pytorch，安装后import torch找不到module(这些环境我也很小白)，后面直接切conda环境下的pip：

这个涉及较多依赖，需要较长时间，补个清华镜像也有可能超时，

再敲一遍安装重新安就好。

完成之后测试一下

目前看来正常，后续是否出问题待验证...