ubuntu安装cuda和cudnn，并测试tensorflow和pytorch库的与cuda的兼容性（2023年版）

lspci |grep -i nvidia查看nvidia设备，看到GPU
gcc --version检查是否安装上gcc软件包
根据官方文档指示，pip install torch==1.13.1+cu117 -f https://download.pytorch.org/whl/torch_stable.html，pip install torchaudio==0.13.1+cu117 -f https://download.pytorch.org/whl/torch_stable.html, pip install torchvision==0.14.1+cu117 -f https://download.pytorch.org/whl/torch_stable.html
于是下载CUDA11.7

显示代码wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.0-1_all.deb
sudo dpkg -i cuda-keyring*.deb
sudo apt-get update
sudo apt-get -y install cuda-11-7

到cudnn的历史归档下载页面，点击Download cuDNN v8.8.0 (February 7th, 2023), for CUDA 11.x的Local Installer for Linux x86_64 (Tar)，解压并进入cudnn目录

显示代码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*

添加/usr/local/cuda/bin到PATH，/usr/local/cuda/lib64到LD_LIBRARY_PATH。nvcc -V获取CUDA编译器信息
安装最新的tensorflow库，注意匹配好tensorflow和cuda的版本（看到tensorflow和cuda对照表第一行还在用cuda11.2，我以为这张表好久没更新了，结果第一行就是最新版的tensorflow的依赖情况，google的动作有点儿慢啊，cuda11都到8了）。我安装的tensorflow-2.11.0编译时使用了cudnn8.2和cuda11.2，刚好和我之前安装的cuda和cudnn的大版本相同，能用。 验证tensorflow能否调用CUDA：import tensorflow as tf;tf.test.gpu_device_name()，打印出GTX1060的名字，参考自检测tensorflow是否可以使用GPU
验证pytorch能否调用CUDA：import torch;torch.__version__;torch.cuda.is_available()，打印True，参考自Win10下配置Pytorch-GPU（CUDA10.1）
本文的上一版：ubuntu安装cuda、cudnn和nvidia-docker

拓展阅读（安装TensorRT）：Win11基于WSL2安装CUDA、cuDNN和TensorRT

本文创建于2022.5.25/21.02，修改于2023.3.2/14.47