【pytorch】远程服务器搭建深度学习环境miniconda3+cuda11.1+cudnn+pytorch

好记性不如烂笔头，一定要写文档。。CUDA之前云计算课程装过了，现在也忘记了，pytorch在自己电脑上也安装过，也全忘了。

conda标准版安装可以查看本文：Linux虚拟机conda环境配置与基本操作

新建了一个conda目录，在该目录下完成操作。

下载命令:

wget -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh

使用了清华镜像

安装命令：

bash Miniconda3-latest-Linux-x86_64.sh

不断回车，yes or no输入yes，直至安装完毕。

验证是否安装成功，查看conda版本

conda -V

显示版本即安装成功了

报错：出现命令不存在，不要着急。
参考此教程：https://blog.csdn.net/weixin_38705903/article/details/86533863
输入命令

vim ~/.bashrc

在最后一行加上

export PATH=$PATH:/home/vincent/anaconda3/bin

export PATH=$PATH:【你的安装目录】 

保存修改

source ~/.bashrc

安装gpu版本之前必须安装并行计算框架CUDA和深度神经网络加速库cuDNN

使用命令查看服务器gpu使用情况，并确定对应的CUDA版本。

nvidia-smi

该命令有效也说明图形显卡驱动已安装，如果显示命令不存在还需要去nvidia官网安装驱动。

根据服务器驱动安装对应的CUDA版本：CUDA安装地址

查看本机Ubuntu系统版本：

lsb_release -a

根据服务器实际情况选择，生成下载命令：

wget https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/cuda_11.1.0_455.23.05_linux.run

选择 continue >> accept >> 空格(取消Driver) >> install

取消驱动安装，Driver按空格取消！！！！

安装完毕 ，配置环境变量。

vim ~/.bashrc

文件最后添加这些内容

export PATH=$PATH:/usr/local/cuda/bin  
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64  
export LIBRARY_PATH=$LIBRARY_PATH:/usr/local/cuda/lib64

最后，使之生效

source ~/.bashrc

检测安装结果

nvcc -V

验证cuda是否正常

cd ~/NVIDIA_CUDA-11.4_Samples/1_Utilities/bandwidthTest/
make
./bandwidthTest 

这里最后Result=pass表示cuda显卡带宽测试通过

至此：cuda安装，环境配置和验证完成。

下载下述三个文件：https://developer.nvidia.com/rdp/cudnn-archive#a-collapse805-111

需要NVIDIA账号，自行注册。

安装命令

sudo dpkg -i libcudnn8_8.0.5.39-1+cuda11.1_amd64.deb
sudo dpkg -i libcudnn8-dev_8.0.5.39-1+cuda11.1_amd64.deb
sudo dpkg -i libcudnn8-samples_8.0.5.39-1+cuda11.1_amd64.deb

查看cudnn版本

dpkg -l | grep cudnn

显示如上即安装成功，安装文件在cuda目录中。

创建虚拟环境

conda create -n pytorch-gpu python=3.9

查看当前的虚拟环境

conda info --envs

安装CUDA对应版本的pytorch

下载地址：https://pytorch.org/get-started/previous-versions/

下载命令：

pip install torch==1.10.1+cu111 torchvision==0.11.2+cu111 torchaudio==0.10.1 -f https://download.pytorch.org/whl/torch_stable.html

吸取上次在本地安装环境的教训，使用了pip安装。

检验是否安装成功

import torch
import torchvision
print(torch.cuda.is_available())

显示True即安装pytorch成功

command

lscpu

Linux查看Nvidia显卡信息及使用情况
Nvidia自带一个命令行工具可以查看显存的使用情况：
command

nvidia-smi

lsb_release -a

1. conda安装：https://blog.csdn.net/wangcassy/article/details/123578709
2. cuda安装：https://blog.csdn.net/JulyLi2019/article/details/125102098
   https://blog.csdn.net/NCU_Wang/article/details/123612184?utm_source=app&app_version=5.5.0&code=app_1562916241&uLinkId=usr1mkqgl919blen
3. pytorch-gpu环境安装：https://blog.csdn.net/weixin_44398263/article/details/109110773