Ubuntu18.04 安装 CUDA 配置 Pytorch 踩坑过程
最近由于项目原因，需要使用 Pytorch 进行深度学习的算法开发，于是采购了 Dell T640 服务器并搭载两张 Nvidia 的 GeForce RTX3090 GPU，服务器本身已安装好 Ubuntu18.04 系统和 Nvidia 显卡驱动，要想正常使用 GPU 版的 Pytorch，后续还需要手动安装 CUDA，Nvidia APEX 等。以下详细介绍踩坑全过程，很多地方理解不深，恳请通过留言补充。
1. 关于 CUDA 版本：
配置深度学习 Pytorch 环境的大致步骤一般为：安装 Nvidia 驱动 -> 安装 CUDA -> 安装 Pytorch，但在安装好显卡驱动后，可以通过 nvidia-smi 查询显卡信息，这时候如下图所示在右上角也可以看到一个 CUDA 版本的信息 CUDA Version: 11.1：
但是这时通过 nvcc --version 我查不到 CUDA 信息，也就是 nvcc --version 和 nvidia-smi 显示的 CUDA 版本不同，这是因为 CUDA 有两类主要的 API，一种是 Driver API，一种是 Runtime API。而这两种 API 都有对应的 CUDA 版本，Driver API 依赖于 Nvidia Driver，由 nvidia-smi 可以查看，Runtime API 可通过 nvcc --version 查看，一般 Driver API version >= Runtime API version 即可。
用于支持 Driver API 的必要文件（如 libcuda.so 和 nvidia-smi）是由 GPU Driver Installer 安装的。而用于支持 Runtime API 的必要文件（如 libcudart.so 和 nvcc）则是由 CUDA Toolkit Installer 安装的，CUDA Toolkit Installer 有时可能会集成了 GPU Driver Installer。nvcc 是与 CUDA Toolkit 一起安装的 CUDA compiler-driver tool，它只知道它自身构建时的 CUDA Runtime 版本，不知道安装了什么版本的 GPU Driver，甚至不知道是否安装了 GPU Driver。综上，Driver API 和 Runtime API 的 CUDA 版本不一致是因为我使用的是单独的 GPU Driver Installer，而不是 CUDA Toolkit Installer 里的 GPU Driver Installer。因此还需要单独安装 CUDA Toolkit 的 11.1 以下版本。
GPU Driver 版本、CUDA 版本和 cuDNN 版本应该相对应，一般安装顺序为：GPU Driver -> CUDA Toolkit -> cuDNN。
2. 禁用 Nouveau 驱动：
在安装 CUDA 前，需要通过以下命令禁用 Nouveau：
# lsmod | grep nouveau
若无内容输出，则禁用成功，否则可通过以下操作来禁用 Nouveau：
# sudo vim /etc/modprobe.d/blacklist.conf //打开blacklist.conf
然后插入以下语句：
blacklist nouveau options nouveau modeset=0
然后 :wq! 保存退出，再禁用 Nouveau：
# echo options nouveau modeset=0 # sudo update-initramfs -u
3. 下载和安装 CUDA Toolkit：
CUDA Toolkit 的安装，在下载 CUDA Toolkit 的时候要注意版本应和之前安装的显卡驱动版本相兼容匹配，可通过官方文档查看：
由于之前已安装的 GPU Driver 版本为 455.23，而 CUDA Driver API 的版本为 11.1，需要满足 GPU Driver -> CUDA Toolkit，结合上图显卡版本要求，最终选定安装 CUDA Toolkit 11.0。
安装方式有 runfile 和 deb 两种，这里我尝试的是 runfile 方法，前往官网一步步选择，如下图所示：
选择好之后在下面官方推荐可以直接在命令行用 wget 进行下载，然后安装：
$ wget http://developer.download.nvidia.com/compute/cuda/11.0.2/local_installers/cuda_11.0.2_450.51.05_linux.run
$ sudo sh cuda_11.0.2_450.51.05_linux.run
但如果 wget 相对浏览器直接下载慢太多的话也可以直接 copy 这个网址到浏览器直接下载，再传到服务器，然后执行第二句进行安装。安装的时候记得不要再选择安装 GPU Driver 了，其余都选 yes 即可。另外，如果需要卸载 CUDA Toolkit，需要在 /usr/local/cuda-11.0/bin 目录中找到并运行 cuda-uninstaller：
$ sudo /usr/local/cuda-11.0/bin/cuda-uninstaller
$ sudo rm -rf /usr/local/cuda-11.0/
如果需要卸载 GPU Driver 重新安装：
$ sudo /usr/bin/nvidia-uninstall
4. 设置环境变量：
上述安装完成之后还需要添加环境变量，具体操作就是打开 .bashrc 文件插入两行环境变量，首先用 vim 打开 .bashrc 文件，这个文件在 ~ 目录下：
$ vim ~/.bashrc
然后按 i 进入 vim 的编辑模式进行插入，在最后插入两行环境变量：
export PATH="/usr/local/cuda-11.0/bin:$PATH" export LD_LIBRARY_PATH="/usr/local/cuda-11.0/lib64:$LD_LIBRARY_PATH"
然后按 esc 退出编辑模式，在按 :wq! 回车保存退出，然后执行：
$ source ~/.bashrc
完成环境变量配置。
5. 测试：
至此 CUDA Toolkit 已经完全安装完成，现在可以测试一下：
$ cd /usr/local/cuda/samples/1_Utilities/deviceQuery $ sudo make $ ./deviceQuery
输出以下内容则证明安装成功：
6. CUDA 多版本管理：
CUDA Toolkit 默认安装在 /usr/local ，可以使用 ls -l /usr/local | grep cuda 查看该目录下有哪些 CUDA 版本，如下图所示：
上图输出表示当前系统安装了CUDA Toolkit 10.2 和 11.0 两个版本，这是因为刚开始的时候我安装了 10.2，后面发现与 Pytorch 还有 Nvidia apex 混合精度运算库匹配有问题，所以又直接多装了一个 11.0，而原来的 10.2 并没有卸载。
其中 cuda -> /usr/local/cuda-11.0 是一个软链接，将 /usr/local/cuda 链接到了 /usr/local/cuda-11.0 目录，表示当前系统使用的是 cuda-11.0 版本，如果想在已安装的 cuda 中进行版本更改，则删除当前软链接，然后重新建立软链接指向想要的版本，最后修改环境变量与想要修改的版本一致即可，例如想改用 10.2：
$ sudo rm -rf cuda $ sudo ln -s /usr/local/cuda-10.2 /usr/local/cuda
记得修改环境变量，或者，可以将 ~/.bashrc 中环境变量的 /usr/local/cuda-11.0/ 全都改成 /usr/local/cuda/ ，之后再切换 CUDA 版本的时候就不再需要修改环境变量了。
7. Pytorch 安装：
CUDA Toolkit 安装好之后，就可以安装 Pytorch 的 GPU 版本了：
直接用 pip 安装非常慢，可以更换 pip 源为国内的阿里云源：
$ mkdir -p ~/.pip $ touch ~/.pip/pip.conf $ vim ~/.pip/pip.conf
插入如下语句：
[global] timeout = 6000 index-url = https://mirrors.aliyun.com/pypi/simple/ trusted-host = mirrors.aliyun.com
以上为 Ubuntu 系统，如果是 win10：
先打开文件资源管理器，然后在路径那里输入：%APPDATA%，如下图所示：
然后新建一个 pip 目录并新建一个文件 pip.ini，然后输入以下内容：
[global] trusted-host=mirrors.aliyun.com index-url=http://mirrors.aliyun.com/pypi/simple/
注意，无论是用 pip 还是 pip3，都是按上述流程，创建的都是 pip 文件夹。安装完成之后可以通过以下方式查看当前 Pytorch 使用的 CUDA 版本：
import torch print(torch.version.cuda)
