CUDA Nvidia驱动安装

参考链接：

[使用GPU云服务器搭建深度学习环境（CUDA+CUDNN）](https://cloud.tencent.com/developer/article/1979035)

[CentOS下的CUDA安装和使用指南](https://cloud.tencent.com/developer/article/1879466)

[Linux系统CUDA10.2+CUDNN安装教程](https://zhouchen.blog.csdn.net/article/details/107778087?spm=1001.2101.3001.6650.2&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-2-107778087-blog-123177402.pc_relevant_antiscanv2&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-2-107778087-blog-123177402.pc_relevant_antiscanv2&utm_relevant_index=5)

[Linux GPU加速训练环境搭建（NVIADIA、CUDA、CUDNN）](https://www.jianshu.com/p/9539be34ed27)

anaconda 镜像源

清华：https://pypi.tuna.tsinghua.edu.cn/simple
阿里云：http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
华中理工大学：http://pypi.hustunique.com/
山东理工大学：http://pypi.sdutlinux.org/
豆瓣：http://pypi.douban.com/simple/

```
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
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/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config \--set show\_channel\_urls yes //中科大anaconda镜像：
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config \--set show\_channel\_urls yes
```

View Code

yum 镜像源

```
http://mirrors.aliyun.com/centos/$releasever/os/$basearch/
http://mirrors.aliyuncs.com/centos/$releasever/os/$basearch/
http://mirrors.cloud.aliyuncs.com/centos/$releasever/os/$basearch/
 http://mirrors.aliyun.com/repo/ #阿里云
http://mirrors.163.com/.help/centos.html #网易
https://mirrors.tuna.tsinghua.edu.cn/help/centos/ #清华
http://mirrors.cqu.edu.cn/repo/centos/ #重庆大学
```

View Code

安装anaconda（可从 https://repo.anaconda.com/archive/index.html 选择需要的版本）

[anaconda迁移安装目录](https://blog.csdn.net/weixin_43193231/article/details/124261913)

```
wget https://repo.anaconda.com/archive/Anaconda3-2022.05-Linux-x86\_64.sh

wget https://repo.continuum.io/archive/Anaconda3-2021.05-Linux-x86\_64.sh

**sudo chmod 777 Anaconda3-2021.05-Linux-x86\_64.sh**    #如果权限太小，安装了也找不到conda命令

_ls -al  Anaconda3-2021.05-Linux-x86\_64.sh   #确认文件权限、或者看到文件变绿色_  
**bash Anaconda3-5.0.1-Linux-x86\_64.sh**

**\# unlink  /usr/bin/python**

ln -s  /root/anaconda3/bin/python3.9  /usr/bin/python

ln -s  /root/anaconda3/bin/python3.9  /usr/bin/python3

echo 'export PATH="/root/anaconda3/bin:$PATH"' >> ~/.bashrcsource .bashrc

conda upgrade --all
```

如果你环境变量也好好的，但是还是 [conda command not found](https://blog.csdn.net/Fan19zju/article/details/118525236)，那很有可能是你的安装包，也就是sh文件的权限问题，这时候要重新安装

```
vim ~/.bashrc

export PATH=/root/anaconda3/bin:$PATH
export LD\_LIBRARY\_PATH="/root/anaconda3/lib:$LD\_LIBRARY\_PATH"     #主要用于指定查找动态库时除了默认路径(如 /lib和/usr/lib等)之外的其他路径

source ~/.bashrc
```

[执行 source /etc/profile 失败并提示 'abrt-cli status' timed out](https://blog.csdn.net/tianbbs2008/article/details/112604462)

[/root/anaconda3/lib/liblzma.so.5: version \`XZ\_5.1.2alpha](https://blog.csdn.net/ningyanggege/article/details/105823447)

```
\# 下载并安装 liblzma.so.5.2.2

# https://sourceforge.net/projects/lzmautils/files/

xz -V
vim .bash\_profile
export LD\_LIBRARY\_PATH=/lib64/:$LD\_LIBRARY\_PATH
source .bash\_profile

cd /root/anaconda3/lib/
ls /lib64
cp /lib64/liblzma.so.5.2.2 /root/anaconda3/lib/
#unlink liblzma.so.5
ln -s -f liblzma.so.5.2.2 liblzma.so.5
```

[安装GCC编译器](https://mirrors.ustc.edu.cn/gnu/gcc/)  yum 安装的 gcc 版本较低

[gcc及依赖包安装](http://www.manongjc.com/detail/11-ixsqzcnsbuetlsp.html)

gmp下载链接：[http://ftp.gnu.org/pub/gnu/gmp/](http://ftp.gnu.org/pub/gnu/gmp/)
    
              mpfr下载链接：[http://mirror.hust.edu.cn/gnu/mpfr/](http://mirror.hust.edu.cn/gnu/mpfr/)
    
              mpc下载链接：[http://ftp.gnu.org/gnu/mpc/](http://ftp.gnu.org/gnu/mpc/)
    
              isl  下载链接：[https://www.mpfr.org/mpfr-3.1.4/](https://www.mpfr.org/mpfr-3.1.4/)

[http://www.mirrorservice.org/sites/sourceware.org/pub/gcc/infrastructure/](http://www.mirrorservice.org/sites/sourceware.org/pub/gcc/infrastructure/)

gcc 7.5 对应的4个依赖包分别是: gmp-6.1.0.tar.bz2，isl-0.16.1.tar.bz2 , mpc-1.0.3.tar.gz , mpfr-3.1.4.tar.bz2

```
tar -xjvf  文件名.tar.bz2 -C /usr/local
tar解压命令
x:解压  j:bz2方式  v:详细显示  f:使用档名  -C:指定解压到的路径

tar -zcvf  文件夹名.tar.gz
```

![](http://yg9538.kmgy.top/202311231433863.png)

```
gcc --version
sudo install -y gcc #ubuntu
yum install -y gcc #RHEL/CentOS sudo yum install -y gcc gcc\-c++ kernel kernel-devel kernel-header rpm \-qa | grep gcc
rpm \-qa | grep kernel
```

![](http://yg9538.kmgy.top/202311231433033.png)

安装其他依赖库包

```
yum install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
```

**报错**：/root/anaconda3/lib/liblzma.so.5: version \`XZ\_5.1.2alpha' not found (required by /lib64/librpmio.so.3)

xz下载地址：https://sourceforge.net/projects/lzmautils/files/

```
\# 安装 xz-5.2.2
tar -zxvf xz-5.2.2.tar.gz
cd xz\-5.2.2
mkdir /opt/software/zx
./configure --prefix=/opt/software/zx #指定安装目录
make && make install #编译并安装
#ln -s /opt/software/zx /usr/local/bin/xz #建立软链接 # 切换到/lib 目录， 将 lib64 下的一个文件复制到/lib
cd /lib
cp /lib64/liblzma.so.5.2.2 /lib/ # 在/lib 下创建链接
sudo ln -s -f liblzma.so.5.2.2 liblzma.so.5 # 测试yum list
cd /root/anaconda3/lib/
cp /lib64/liblzma.so.5.2.2 /root/anaconda3/lib/
sudo ln -s -f liblzma.so.5.2.2 liblzma.so.5
```

**报错**：/usr/lib64/python2.7/site-packages/pycurl.so: undefined symbol: CRYPTO\_num\_locks  
http://t.zoukankan.com/relax-zw-p-11328504.html

安装对应版本的Kernel Headers以及对应的开发包无论你什么时候更改了kernel的版本，对应版本的kernel headers以及开发包都必须在安装CUDA之前安装好查看系统的内核(kernel)版本号：uname -r在安装CUDA驱动前，系统的kernel headers以及开发包的版本号必须和这个版本号一致。安装和内核版本一致的kernel headers以及开发包：

```
sudo yum install kernel-devel-$(uname -r) kernel-headers-$(uname -r) #RHEL/CentOS
sudo dnf install kernel-devel-$(uname -r) kernel-headers-$(uname -r) #Fedora
sudo apt-get install linux-headers-$(uname -r) #Ubuntu
```

安装CUDA SAMPLE所必需的依赖包

```
sudo apt-get install -y make freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libglu1-mesa-dev
```

关闭 the Nouveau drivers检查nouveau驱动是否启动lsmod | grep nouveau #有输出表示启动关闭ll /usr/lib/modprobe.d/blacklist-

```
nouveau.confvim /usr/lib/modprobe.d/blacklist-nouveau.conf blacklist nouveau
options nouveau modeset=0
```

**[安装CUDA](https://cloud.tencent.com/developer/article/1879466) +CUDNN**

**cuda\_11.4.0\_470.42.01\_linux.run**

**cudnn-11.4-linux-x64-v8.2.2.26.tgz**

# 安装CUDA

```
chmod +x cuda_11.4.0_470.42.01_linux.run   #修改文件运行权限，之后文件变为绿色
sudo sh cuda_11.4.0_470.42.01_linux.run

由于你的系统中已经有了nvidia显卡驱动,如果不想安装cuda11.4中附带的驱动,移动到driver选项上,按空格键将该项取消。再移动到install回车，等待安装。

vim ~/.bashrc
export PATH=/usr/local/cuda-11.4/bin:$PATH    #其实有cuda和cuda-11.4两个
export LD\_LIBRARY\_PATH=/usr/local/cuda-11.4/lib64:$LD\_LIBRARY\_PATH
export CUDA\_HOME=/usr/local/cuda-11.4:$CUDA\_HOME
source ~/.bashrc

nvcc -V  #验证安装成功
```

# 安装CUDNN
```
#解压文件
tar -xzvf cudnn-11.4-linux-x64-v8.2.2.26.tgz
```

#拷贝至指定目录

```
sudo cp cuda/include/cudnn\* /usr/local/cuda-11.4/include
sudo cp cuda/lib64/libcudnn\* /usr/local/cuda-11.4/lib64
sudo chmod a+r /usr/local/cuda-11.4/include/cudnn\* 
sudo chmod a+r /usr/local/cuda-11.4/lib64/libcudnn\*
```

#如果结果如下图逐行显示版本号，则安装成功

```
cat /usr/local/cuda/include/cudnn\_version.h | grep CUDNN\_MAJOR -A 2
```

numba 是 Anaconda 自带的扩展库之一。在输入如下命令可查看硬件信息、操作系统信息、Python 版本、CUDA 版本信息。

```
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
```

如果是从 https://repo.anaconda.com/pkgs/main/linux-64/ 下载的离线安装包  .tar.bz2 则按照下面方法安装

```
conda install --use-local xxx.tar.bz2
```

![](http://yg9538.kmgy.top/202311231433880.png)

[下载 NVIDIA Driver](https://www.nvidia.cn/content/DriverDownload-March2009/confirmation.php?url=/tesla/470.129.06/NVIDIA-Linux-x86_64-470.129.06.run&lang=cn&type=Tesla)

```
wget https://developer.download.nvidia.com/compute/cuda/11.4.4/local\_installers/cuda-repo-rhel7-11-4-local-11.4.4\_470.82.01-1.x86\_64.rpm
sudo rpm -i cuda-repo-rhel7-11-4-local-11.4.4\_470.82.01-1.x86\_64.rpm
sudo yum clean all
sudo yum -y install nvidia-driver-latest-dkms cuda
sudo yum -y install cuda-drivers
```

安装pytorch和tensorflow

参照：https://tensorflow.google.cn/install/pip

[pytorch与cuda版本对应关系](https://pytorch.org/get-started/locally/)

[tensorflow与cuda版本对应关系](https://tensorflow.google.cn/install/source_windows?hl=en#gpu)

[tensorflow依赖包](https://github.com/tensorflow/tensorflow/blob/master/tensorflow/tools/pip_package/setup.py)

pytorch线上安装：https://pytorch.org/get-started/locally/

```
pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113

import torch
torch.cuda.is_available()
```

pytorch离线包下载：https://download.pytorch.org/whl

```
torch-1.11.0+cu113-cp39-cp39-linux_x86_64.whl
torchaudio-0.11.0+cu113-cp39-cp39-linux_x86_64.whl
torchvision-0.12.0+cu113-cp39-cp39-linux_x86_64.whl
```

tensorflowl离线包下载：https://tensorflow.google.cn/install/pip

```
tensorflow_gpu-2.9.0-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
```

**tensorflow2.9.0 依赖包列表**

![](http://yg9538.kmgy.top/202311231433975.png)

环境变量

![](http://yg9538.kmgy.top/202311231433612.png)

如果是root用户安装深度学习环境，普通用户执行以下命令可正常使用（依赖包路径需配置在/etc/profile中）：

```
nvcc -V

nvidia-smi

/root/anaconda3/bin/conda init bash
```