Ubuntu20.04 安装 CUDA10.1 和 CUDNN7.6.5

说明：

本人的实验环境为：ubuntu20.04， 显卡：GTX1060， 已安装Nvidia驱动

• 查看你的NVIDIA显卡驱动是否支持cuda10.1版本。
  查看显卡驱动命令： nvidia-smi
  
  CUDA Version: 这里的版本号大于等于10.1，就可以安装cuda10.1。

• 为什么安装 cuda10.1
  本人主要用于深度学习，而目前主流的深度学习框架为Tensorflow和Pytorch， 比较下来感觉10.1还是挺适合的版本

  • CUDA与显卡驱动的对应关系：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
  • CUDA与Tensorflow(GPU)的对应关系：https://tensorflow.google.cn/install/source_windows?hl=en#gpu
    注意： cuda10.2目前不支持任何版本的Tensorflow-GPU版本
    
  • CUDA与PyTorch(GPU)的对应关系：(需要自己按需求去找)：https://pytorch.org/get-started/previous-versions/
  表二：CUDA Toolkit版本及可用PyTorch对应关系

  CUDAToolkit版本	可用PyTorch版本
  7.5	0.4.1 ，0.3.0， 0.2.0，0.1.12-0.1.6
  8.0	1.1.0，1.0.0 ，0.4.1
  9.0	1.1.0，1.0.1, 1.0.0，0.4.1
  9.2	1.7.1，1.7.0，1.6.0，1.5.1，1.5.0，1.4.0，1.2.0，0.4.1
  10.0	1.2.0，1.1.0，1.0.1 ,1.0.0
  10.1	1.8.x，1.7.1，1.7.0，1.6.0，1.5.1，1.5.0， 1.4.0，1.3.0
  10.2	1.11.0，1.9.0，1.8.1，1.8.0，1.7.1，1.7.0，1.6.0，1.5.1，1.5.0
  11.0	1.7.1，1.7.0
  11.1	1.10.x， 1.9.x，1.8.x
  11.3	1.11.x，1.10.x，1.9.x，1.8.1
  11.5	1.11.x

  • CUDA与“pytorch-geometric”对应关系(玩图神经网络时需要)
    以torch1.7.0为例，参考：https://pytorch-geometric.com/whl/torch-1.7.0.html

step1：GCC降级

• Ubuntu20.04自带的GCC是9.3.0版本的，而cuda 10.1要求GCC版本为gcc-7

  # 查看当前GCC和g++的版本
  gcc --version
  g++ --version
  
  #安装gcc-7
  sudo apt-get install gcc-7 g++-7
  

• 安装完之后，系统中会存在两个或以上的gcc，因此需要设置一下gcc优先级。

  #查看gcc版本
  ls /usr/bin/gcc*
  

  可以看到这里有多个版本
  
• 进行gcc和g++版本的切换

  #进行gcc版本的切换
  sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 2
  sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-9 1
  #后面的数字为优先级，数字越大优先级越高
  #查看设置的优先级
  sudo update-alternatives --config gcc
  #或者
  sudo update-alternatives --display gcc
  #同理g++也需要设置
  sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-7 2
  sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-9 1
  #显示g++优先级
  sudo update-alternatives --display g++
  #最后确保成功查看一下gcc版本
  gcc -v
  

  
• 看到这里gcc版本已经是7.5.0代表成功。

step2：安装CUDA

去官网下载CUDA： https://developer.nvidia.com/cuda-10.1-download-archive-base

选择18.04是因为nvidia官网没有ubuntu20的选项，cuda官方支持的系统最高到Ubuntu18

• 进入到你下好的文件夹内，打开终端：sudo sh cuda_10.1.105_418.39_linux.run
  如果中途报错信息为：Installation failed. See log at /var/log/cuda-installer.log for details.
  将指令改为sudo sh cuda_10.1.243_418.87.00_linux.run --librarypath=/usr/local/cuda-10.1，重新运行。操作和上面的相同。
• 当安装界面启动，选择continue。
• 然后输入accept，回车。
• CUDA安装包是自带显卡驱动的，由于你已经有了NVIDIA显卡驱动，如果不想安装CUDA 10.1中附带的驱动，移动到Driver选项上，按空格键将该项取消。然后，移动到Install选项，回车，等待安装完成。
  
• 等待安装完成
  
  查看你的目录：ls /usr/local, 会多出来两个文件夹，cuda和cuda-10.1, 且cuda是cuda-10.1的一个软连接
  
• 配置CUDA的环境变量
  CUDA安装完成后，需要配置变量环境才能正常使用。首先在终端输入sudo gedit ~/.bashrc打开如下图所示的.bashrc文件。

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

  注意：上面的CUDA环境变量配置方法有很多，本文的配置方法中的cuda不要指定具体的版本，主要是为了电脑中多个CUDA版本的切换。
  最后，在终端输入source ~/.bashrc或者重新启终端使之生效。
• 查看是否安装好
  这时，我们就可以在终端输入nvcc -V查看CUDA的安装信息，如下图所示，至此CUDA安装成功。
  
  或者：cat /usr/local/cuda/version.txt # 查看cuda版本号

step3：安装cudnn

• 下载
  先去官网下载对应的CUDNN7.6.5，如果没有账号注册一下。

• 对下载的cudnn-10.1-linux-x64-v7.6.5.32.tgz进行解压操作，得到一个文件夹cuda，命令为：

  tar zxvf ./cudnn-10.1-linux-x64-v7.6.5.32.tgz -C ./ 
  

• 输入下面命令

  #建议先获取root权限
  sudo su
  #输入密码
  #之后输入以下命令，可以带sudo也可以不带
  sudo cp cuda/include/cudnn.h /usr/local/cuda/include
  sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
  sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
  
  #最后输入下面命令，看看是否安装成功
  cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
  

• 查看cudnn版本号：
  cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
  按照结果顺序读取出版本号（如果没有，那么可能没有安装 cuDNN）

参考博客：

• ubuntu 20.04安装CUDA10.1及CUDNN7.65： https://zhuanlan.zhihu.com/p/487941231
• Ubuntu20.04安装cuda10.1： https://blog.csdn.net/wwlswj/article/details/106364094
• Ubuntu20.04下CUDA、cuDNN的详细安装与配置过程（图文）：https://blog.csdn.net/weixin_37926734/article/details/123033286