一、CUDA的正确安装/升级/重装/使用方式

新手甚至搞了很久深度学习的人经常遇到的问题：

你要是百度能看到一堆方法，有对有错，讲的也不是很透彻。最近也给别人讲了不少这些的问题，索性开篇文章写一下吧。

本篇不是手把手教怎么装cuda，所以里面有些命令我不会写的很细，但都是一百度就能查到的。希望能从本篇文章教会大家怎么处理遇到的环境问题，毕竟我也不太懂CUDA具体的东西，但装过以及处理过好多环境问题。

默认环境：Ubuntu（Windows整体思路是一样的，具体一些操作可以参考其他攻略）

写在开头的很重要的事：

能官网解决就别只看各种经验分享

一、认识CUDA

首先，你要先认识CUDA。

查看CUDA版本

你的CUDA版本不是你装过什么，而是你的路径中包含什么

这行命令会输出你当前的默认路径，如果你CUDA安装没问题的话，你会看到类似于下面这样的路径：

第一行通常是一个软链接，指向你真正的cuda目录

如果你的电脑里有多个CUDA，哪个路径在你的系统默认路径，哪个就是你当前在使用的版本。说白了默认路径就是你输入命令后，系统去哪里找你要执行的东西。

当然，这个方法太麻烦了，有没有快速查看的方法？

有：

如果你遇到提示没有nvcc或版本明显不对（可能执行了/usr/bin/nvcc而不是cuda文件里的），说明你没有把CUDA的目录放到默认路径中，输入以下命令（临时生效），或修改系统文件（永久生效，自行百度），来把CUDA添加到你的默认路径中：

再运行就可以看到你的版本了。

很多人知道，nvidia-smi也有个cuda版本。那个不是我们说的CUDA版本，我的理解是那个代表了你的显卡驱动支持的CUDA版本（可以向下兼容）。我不太确定这个理解是不是对的，我一直以为nvidia-smi得比nvcc的高，但就这两天我看到一台反过来的机器。

总之，nvidia-smi的cuda版本大于等于你要安装的cuda版本就不会出问题，且你的实际cuda版本以nvcc为准。

切换CUDA版本

假如我已经安装了多个版本的CUDA，怎么去切换呢？

以这台服务器为例：

可以看到，/usr/local下有一堆的cuda安装包，其中/usr/local/cuda指向了 CUDA11.5，那么我的版本就一定是11.5吗？

记得我上面说的吗，CUDA版本取决于哪个CUDA目录在你的默认路径中（且优先级更高）。

如果你的环境变量里没有/usr/local/cuda或/usr/local/cuda-11.5，而是/usr/local/cuda-11.1，那么就算有那个软链接，你默认的CUDA版本也是11.1。

所以切换CUDA版本实际上就是修改路径中的CUDA目录。

如果你只是临时修改，你可以用我上面提到的命令，export PATH=.......来修改；

如果你想修改你的用户的默认CUDA，你可以修改~/.bashrc，来自动修改你用户的路径；

如果想修改服务器的默认版本，可以百度一下怎么永久性的改路径（我忘记哪个命令了，百度下）

其他：

二、安装/升级CUDA以及多版本共存

升级=安装+用上一章的方法来默认使用新版本的CUDA

多版本CUDA=安装+不卸载旧版本+用上一章的方法修改使用的CUDA版本

所以主要就讲下安装的问题

新机或显卡驱动版本低（nvidia-smi的版本低于要安装的版本）看下一章，得连着显卡驱动一块搞。这一章就单讲CUDA安装。

CUDA安装几乎没有难度：

第一步，打开链接，选择你要的版本

第二步，根据你的系统和版本选择，选runfile

第三步，按照提示命令下载并运行

第四步，按照它提示一直往下，但不要勾选 driver（需要安装驱动的见下一章）！

第五步，问你要不要添加环境变量记得yes，然后就安装完成

如果你没有让它帮你添加，就按照第一章的方式自己添加。看懂第一章，安装完之后找不到CUDA或者切换不了就很好解决。

第六步，装cudnn，百度下就行，没啥操作难度

三、显卡驱动

一般来说，三种情况需要安装显卡驱动：

对于第一种和第三种解决方案一样，先卸载当前驱动，而且卸干净（百度搜下），然后安装

如果是有桌面端，要先关了可视化界面，ctrl+alt+f1进入命令界面，再去卸载

安装显卡驱动一定不要下载显卡驱动安装包，用CUDA安装包

这样可以保证你装的驱动没有不适配的情况

我上一章提到过，只安装CUDA要去掉driver的那个勾，是因为CUDA的安装包是带显卡驱动的，而且是对应版本的。

如果你CUDA和驱动都安，那你就用CUDA安装包所有勾勾选；

如果你只安装驱动（比如遇到版本不匹配情况，你卸载了驱动但是cuda没卸载），就把CUDA的勾去掉，只安装驱动；

如果你安装驱动出错，按照报错信息百度，多半是你没卸载干净。

四、安装深度学习框架

复习一下第一章：

深度学习环境请一定去官网下安装包，不要直接搜“Ubuntu18.04 CUDA11.3安装pytorch”之类的，你搜到的真的不一定和你的环境是一样的。

TF不怎么用，参照着来吧，PaddlePaddle和Pytorch几乎一模一样就不单独说了。这里就用Pytorch举例。

第一步，明确你要安装的pytorch版本。如果是跑开源代码，一般会给支持的pytorch版本。如果是自己用，装LTS版大概率不会出错。

第二步，打开官网，点击install。

选择你要的版本和对应CUDA版本。CUDA版本向下兼容，比如我的CUDA是11.4，那这里我勾选11.1就可以。

如果你要安装更老的版本，或者LTS和Stable中间的版本，点击上面 install previous versions of PyTorch，你就能找到对应版本的安装命令。

用官网安装能解决深度学习框架安装的90%问题

还有什么问题可以评论区提一下

二、如何安装CUDA

首先验证你是否有nvidia的显卡（developer.nvidia.com/cuda-gpus这个网站查看你是否有支持gpu的显卡）：

[plain] view plain copy

$ lspci| grep-i nvidia

查看你的linux发行版本（主要是看是64位还是32位的）：

[plain] view plain copy

$ uname-m&& cat/etc/*release

看一下gcc的版本：

[plain] view plain copy

$ gcc--version

首先下载nvidia cuda的仓库安装包（我的是ubuntu 14.0464位，所以下载的是ubuntu14.04的安装包，如果你是32位的可以参看具体的地址，具体的地址是）

[plain] view plain copy

wget developer.download.nvidia.com/compute/cuda/repos/ubuntu1404/x86_64/cuda-repo-ubuntu1404_6.5-14_amd64.deb

下载完成之后可以使用如下命令安装它，注意文件名修改为cuda-repo-ubuntu1404_6.5-14_amd64.deb

[plain] view plain copy

sudo dpkg-i cuda-repo-<distro>_<version>_<architecture>.deb

安装好仓库之后，就可以更新你的本地仓库。

[plain] view plain copy

sudo apt-get update

最后开始安装cuda以及显卡驱动（安装cuda的同时就会把显卡驱动也全部安装好，这个真的很方便。但是下载的时间有点长。）

[plain] view plain copy

sudo apt-get install cuda

需要注意的是，我这里提供的安装方法跟网络上各种安装方法都不一样，他们的方法往往很复杂

主要是因为：（1）有些教程是手工安装显卡的驱动程序，手工屏蔽系统的默认开源的驱动

（2）安装cuda也是手工进行

使用这个方法的时候千万要注意几个问题：

（1）cuda6.5已经不支持老旧的显卡了所以sm11等等都必须删除。可以参考我的另一个文章，关于编译opencv3.0的

（2）ubuntu14.04是64位的，并且不要一开始就更新系统补丁什么的，因为系统更新过之后，再安装显卡驱动就会无法进入图形界面，我查看了相关的日志发现是卡在了dbus那边。所以，我建议一安装好ubuntu 14.04就不要更新系统补丁。

安装完之后你需要设置环境变量：

[plain] view plain copy

$ export PATH=/usr/local/cuda-6.5/bin:$PATH

$ export LD_LIBRARY_PATH=/usr/local/cuda-6.5/lib64:$LD_LIBRARY_PATH

设置完毕之后，你还可以选择是否安装cuda附带的示例代码（<dir>表示你要安装的位置，你可以将<dir>替换成~）：

[plain] view plain copy

$ cuda-install-samples-6.5.sh<dir>

接下来做一些验证工作：

查看显卡的驱动版本

[plain] view plain copy

cat/proc/driver/nvidia/version

查看nvcc编译器的版本

[plain] view plain copy

nvcc-V i

编译cuda的示例代码:

[plain] view plain copy

cd~/NVIDIA_CUDA-6.5_Samples

然后make一下编译代码。

进入bin路径运行devicequery

[plain] view plain copy

cd~/NVIDIA_CUDA-6.5_Samples/bin

[html] view plain copy

./ deviceQuery

具体的安装过程可以参考英文。

这里必须要强调的是一定要是新的ubuntu14.04在安装显卡驱动之前千万别更新，否则就无法进入桌面，这个问题困扰了我很久了。重装了是十几遍的系统。

这篇guide只是一些零散的安装步骤以及给后来人对于cuda的一些坑上的提醒。

三、深度学习GPU环境CUDA详细安装过程(简单快速有效)

深度学习GPU环境CUDA的简单快速安装教程

首先，确认你的硬件设备。在计算机管理的设备管理器中，找到显示适配器，确保你拥有独立显卡。例如，我的设备中就有集成显卡和NVIDIA GeForce GTX 1050。

测试显卡是否支持CUDA安装是必要的。查看你的显卡计算力，如我的独立显卡支持CUDA，计算力为6.1。

接下来，下载CUDA Toolkit。我选择了CUDA Toolkit 10.0，选择版本时，主要考虑GPU计算能力要求，通常需要2.1G以上。双击下载文件，按照默认设置进行安装，注意在安装过程中，如果遇到VS安装问题，可尝试自定义安装并去掉VS组件。

安装完成后，配置环境变量。如图所示，确保CUDA正确添加到系统路径中。

验证安装是否成功，只需在CMD中输入相关命令，如果显示正确的版本信息，则安装完成。

继续进行CUDNN的安装，需先注册账号并填写问卷。由于我安装的是CUDA 10.0，因此选择与之版本一致的CUDNN下载。

下载后，将CUDNN的bin、include、lib文件解压并直接复制到CUDA安装目录，替换原有文件即可。

至此，所有安装步骤已全部完成。现在你可以开始安装pytorch-gpu和tensorflow-gpu等深度学习相关的GPU环境了。