Ubuntu 18.04 + Anaconda + CUDA + Cudnn + Pytorch 环境配置（2021.10更新，亲测可用）

这套环境实在是太复杂坑太多，配了大半年，今天终于终于成功了。

直接装系统推荐显卡驱动，出错几率最小。

sudo ubuntu-drivers autoinstall

查看安装状态

nvidia-smi

会出现显卡版本和CUDA支持

首先感谢二位前辈的原贴：
https://blog.csdn.net/weixin_43491255/article/details/118549032
https://blog.csdn.net/a563562675/article/details/119458550
先禁用nouveau

sudo gedit /etc/modprobe.d/blacklist.conf 

添加这两行保存

blacklist nouveau
options nouveau modeset=0

刷新

 sudo update-initramfs -u

重启电脑，一定要重启。然后输入这个命令，如果啥也没输出就是成功了。

 lsmod | grep nouveau

首先在这里下载你需要的CUDA安装包（runfile格式）
由于你懂得原因，推荐用踢子打开，不然进不去。
https://developer.nvidia.com/cuda-toolkit-archive
一定要注意版本！！！
我推荐CUDA 11.3.0 + CUDNN 8.2.1 + Pytorch 1.10
这三者的组合非常麻烦，这套我亲测成功，别的搭配不敢保证。
由于你懂得原因，wget下载极慢，这里有个小技巧，把wget后面的链接复制一下，贴到能用踢子的浏览器，直接用浏览器下载。我当时大概3M/s，速度还不错。文件很大，2.8G，耐心下载。
下好之后输入这个安装：

sudo sh cuda_11.3.0_465.19.01_linux.run

接下来会出现这个，在Driver那里按回车，不安装驱动（我们刚才已经装好驱动了），然后选Install安装。
装好之后打开环境变量

vim ~/.bashrc

加入这两行保存，注意我这里是11.3，你如果是别的版本，要改成自己的

export PATH="/usr/local/cuda-11.3/bin:$PATH"
export LD_LIBRARY_PATH="/usr/lcoal/cuda-11.3/lib64:$LD_LIBRARY_PATH"

刷新环境变量

source ~/.bashrc

终端输入

cd /usr/local/cuda-11.3/samples/1_Utilities/deviceQuery

sudo make

./deviceQuery

如果这样就说明成功了，里面显示了CUDA可用的设备信息。

先下载三个deb包，一定要用deb，出错几率小
https://developer.nvidia.com/rdp/cudnn-archive
我的是11.3，选择里面的8.2.1 for 11.x

最后安装这三个包

sudo dpkg -i xxxxxxx.deb

刚才有个包是cudnn自带的样例sample，运行测试一下

对了，测试之前先运行一下这个，防止一会出错

sudo apt-get install libfreeimage3 libfreeimage-dev

开始运行sample

cd /usr/src/cudnn_samples_v7

cp -r /usr/src/cudnn_samples_v7/ $HOME

cd $HOME/cudnn_samples_v7/mnistCUDNN

make clean && make

./mnistCUDNN

如果出现 Test passed，说明安装成功

查看一下cudnn版本

find / -name cudnn_version.h 2>&1 | grep -v "Permission denied"

cat /usr/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

到清华镜像源下载安装包
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
下载好之后输入命令安装，记得一路选yes

bash Anaconda3-2021.05-Linux-x86_64.sh

打开condarc切换conda清华源

sudo gedit ~/.condarc

把里面的内容替换成这个。已经包括了修改defaults，TUNA官网首页的方法。

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
report_errors: false
auto_activate_base: false

最后创建一个虚拟环境，用来安装pytorch

conda create -n alientorch（你自己起的名字）

激活环境

activate alientorch

安装一波依赖，顺便测试一下刚才的源，如果速度很快，那么就很棒棒，一会的Pytorch也会很顺利

conda install numpy mkl cffi

进入官网，查看你的版本对应的安装命令

https://pytorch.org/get-started/locally/
在刚才的虚拟环境里输入命令安装pytorch

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

安装文件非常大，耐心等待即可，如果源切换成功了，这里下载会很快。

进入虚拟环境，输入命令测试，大功告成！

python

import torch

torch.cuda.is_available()