显卡，显卡驱动,nvcc, cuda driver,cudatoolkit,cudnn到底是什么？

https://www.cnblogs.com/marsggbo/p/11838823.html

conda 换源

查看原来的镜像源
1
conda config --show

删除旧镜像源

1	conda config --remove channels <https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/cpu/>

添加新镜像源

1	conda config --add channels <https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/cpu/>

设置搜索时显示通道地址

1	conda config --set show_channel_urls yes

查看已有的channel
1
conda config --show channels

添加新的channel

conda config --add channels <https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/>  
conda config --add channels <https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge>
conda config --add channels <https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/>
conda config --add channels <https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/>
conda config --set show_channel_urls yes

pip 换源

pip国内常用源：

阿里云 http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
豆瓣(douban) http://pypi.douban.com/simple/
清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/
中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/

例子

1	pip install -i <https://pypi.tuna.tsinghua.edu.cn/simple> keras

Pytorch 换卡运行

换卡运行

1	CUDA_VISIBLE_DEVICES=1 python example.py xxxxxx

cuda&cudnn版本查看

cuda版本

1	nvcc -V or cat /usr/local/cuda/version.txt

cudnn版本

1	cat /usr/local/cuda/include/cudnn.h \| grep CUDNN_MAJOR -A 2

Ubuntu 安装cuda

下载cuda
在官网选择自己需要的cuda版本
https://developer.nvidia.com/cuda-toolkit-archive
并根据系统和环境选择下载方式
安装cuda
执行命令
1
sudo sh cuda_xx.x.xxx_xxx.xx_linux.run
比较新的版本在安装之前提示选择安装的内容，这里把驱动Driver的选择取消，即不选择安装驱动Driver
然后一路闪电带火花

设置cuda环境变量
打开.bashrc

1	sudo gedit ~/.bashrc

添加如下内容

1
2
3

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-xx.x/lib64
export PATH=$PATH:/usr/local/cuda-xx.x/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-xx.x

验证
在终端输入
1
nvcc --version
显示正确版本则安装成功

Ubuntu 安装cudnn

下载链接
https://developer.nvidia.com/zh-cn/cudnn
选择合适的版本下载(tgz format(library),deb format(runtime，develop))
下载好后直接命令行解压，然后复制 lib64 和 include 文件夹到 /usr/local/cuda-xx.x，命令如下：

tar -zxvf cudnn-xx.x-linux-x64-v7.5.0.56.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda-xx.x/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-xx.x/lib64
sudo chmod a+r /usr/local/cuda-xx.x/include/cudnn.h /usr/local/cuda-xx.x/lib64/libcudnn*

Ubuntu cuda 版本切换

设置链接库
执行sudo gedit ~/.bashrc 打开.bashrc，可以看到已经安装的版本，比如

1
2
3

export PATH="$PATH:/usr/local/cuda-9.0/bin"
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda-9.0/lib64/"
export LIBRARY_PATH="$LIBRARY_PATH:/usr/local/cuda-9.0/lib64"

将上面行中所有的cuda-9.0更改为cuda：

1
2
3

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"

保存退出后，在终端运行如下命令使之生效:

1	source ~/.bashrc

切换版本

1 2	sudo rm -rf /usr/local/cuda #删除之前创建的软链接 sudo ln -s /usr/local/cuda-10.0 /usr/local/cuda #创建新 cuda-10.0 的软链接

Ubuntu 安装TensorRT

使用压缩包进行安装

下载TensorRT的压缩包
下载地址 https://developer.nvidia.com/nvidia-tensorrt-download
需要填写问卷之后才能下载

解压并添加环境变量

1	tar xzvf TensorRT-x.××××.tar

添加环境变量需要注意TensorRT的版本需要和cuda以及cudnn一致

sudo gedit ~/.bashrc
export LD_LIBRARY_PATH=/home/wsy/TensorRT-5.0.2.6/lib:$LD_LIBRARY_PATH 
export CUDA_INSTALL_DIR=/usr/local/cuda-x.x
export CUDNN_INSTALL_DIR=/usr/local/cuda-x.x
source ~/.bashrc

安装
cd到解压目录，并且进入需要安装的conda环境，安装所有whl文件

#先进入conda虚拟环境
conda activate env_name
#install TensorRT
cd $HOME/tensorrt-x.x.x.x/python
pip install xxxxxx.whl

测试
测试TensorRT是否安装成功，进入Python编辑器导入tensorrt和uff模块
1
2
3
4
import tensorrt
import uff
print(tensorrt.__version__)
print(uff.__version__)
此处print(uff.__version__)可能会报错是因为没有安装TensorFlow的原因，可不用管。至此TensorRT安装完成。

pytorch环境更新包

-U更新到最新版本，加上==指定版本

1	pip install -U tensorflow-gpu==2.4.1