1、前言

大致摸索了学习路线，但是学习一些概念的过程中，其实没有什么实感的，因为你只是学习东西，并没有什么抓手，让你实实在在感觉，你确实学习了些东西，但是又好像啥也没学，这种感觉很不好。

所以我们需要一个抓手，或者工具，至少可以写写代码，看看代码，让自己了解，AI相关编程是这个样子的，找到的就是cuda平台，对于我们来说，就是cuda套件。

以前学习c语言的时候，挺早以前，我们安装环境是vc++6，一些老程序员，还知道以下这个图标。

现在的话，就是visco的用的多些吧。

举这里例子，就是为了说明，我们现在可以通过学习使用cuda，来学习相关AI，这算是一个入口，开发总需要一个工具承载我们的想法。

2、环境配置

这里有两个环境：
一个是jetson orin NX 安装cuda环境。
一个是Ubuntu 20.04下安装cuda环境。

1、对于jetson orin nx 的cuda环境

一般来说，你要是有个Linux 系统电脑，只可以直接下载一个NVIDIA SDK MANAGER这样的jetson Orin NX 工具，图像界面操作，两天基本也就能基本明白了，这工具，就是自动帮助你完成对 jetson 系列的设备进行刷机，同时还可以安装好cuda等等工具。

工具链接：https://developer.nvidia.com/sdk-manager

2、对于Ubuntu 20.04下cuda环境

在ubuntu下，这种非英伟达出品的，一般自己安装环境就比较复杂，自己上网找了很多说明，才勉强安装上，并且有很多注意点，稍有问题就可能安装不成功，这和自己电脑有很多关系。

3、自我总结-安装流程

ubuntu下安装cuda，这块相当复杂，有时候你自己不问明白自己问题，你都不知道怎么做，并且不像使用sdk-manager工具刷jetson那样，工具列表什么的，人家都给你罗列好了，不行你可以反复刷。

1、在ubuntu下，如果想使用cuda平台，应该注意什么 和 都安装什么

（1）系统要求

如下图，所示，一般打开系统设置，基本能查到相关配置，如下两个信息比较关机，首先，你地有NVIDIA 英伟达的显卡才行，人家就是要跑在显卡上的，另外就是你操作系统“Ubuntu 20.04”,之后安装软件什么，都要根据这个信息来，否则真装不上啊。

就是确保你的Ubuntu版本与CUDA支持的版本相兼容。通常，NVIDIA会在其官方文档中列出支持的操作系统版本。

（2）硬件要求

就是你需要确保你的笔记本或者电脑上有英伟达硬件这个显卡。

• NVIDIA GPU：确认你的GPU是NVIDIA的，并且支持CUDA。你可以在NVIDIA的官网查看你的GPU是否支持CUDA。
• 足够的内存和处理器：安装CUDA工具套件和进行CUDA编程通常需要较高的系统资源。

命令行工具如下：

nvidia-smi

如下图中圈出来部分，安装的cuda版本不能高于此版本。

如果没有nvidia-smi这个工具，可以安装下。

sudo apt update
sudo apt install nvidia-driver

（3）安装NVIDIA驱动

我自己安装驱动，是在开始用这台电脑的时候，当时屏幕显示有问题，也上网查了许多，最后才搞定的。这块确实也记不住了，就是给显卡看着合适驱动。

具体命令差不多忘记了，如下给个参考吧

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt update
sudo apt install nvidia-driver-xxx

（4）安装CUDA

1、参考视频

首先这里要感谢伙伴的指导，告诉自己有个相关视频，自己就是学习这个视频安装的。
视频链接：ubuntu 18.04 安装 CUDA 10.2以及cuDNN

我们安装上述视频尽量简化步骤，打开NVIDIA cuda网页，我们看到的基本如下，我们是无法直接安装最新版本的，因为不支持

2、下载链接

下载链接：https://developer.nvidia.com/cuda-downloads

所以我们选择其他版本。

3、选择版本

页面链接：https://developer.nvidia.com/cuda-toolkit-archive

这里我按照视频选择了版本10.2

4、根据自己电脑选择合适版本

之后就是按照自己电脑，选择合适版本，我自己笔记本是win系统改linux下，构架是x86_64位的，系统是Ubuntu的，版本是20.04可以选择版本18.04的，选择下载.deb包方式。就是如下图片了。
链接：https://developer.nvidia.com/cuda-10.2-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1804&target_type=deblocal

我们可以看到，下面其实已经列出来了，具体操作指令，如果，嫌慢，可按照视频说法，使用浏览器事先下载下来，然后再进行以下步骤安装。

5、之后的安装命令

将图片中的命令放在下面了

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1804/x86_64/cuda-ubuntu1804.pin
sudo mv cuda-ubuntu1804.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/10.2/Prod/local_installers/cuda-repo-ubuntu1804-10-2-local-10.2.89-440.33.01_1.0-1_amd64.deb
sudo dpkg -i cuda-repo-ubuntu1804-10-2-local-10.2.89-440.33.01_1.0-1_amd64.deb
sudo apt-key add /var/cuda-repo-10-2-local-10.2.89-440.33.01/7fa2af80.pub
sudo apt-get update
sudo apt-get -y install cuda

以下为自己的尝试与努力

（5）安装cuDNN

1、了解cuDNN

之后就是安装cuSNN，可以理解为是一个软件库。如下图，其实第一句话也解释了，它就是为gpu提供的一个软件库。
文档链接：https://developer.nvidia.com/rdp/cudnn-archive

2、下载对应版本cuDNN

如下图所示，我们选择和视频里一样的版本，进行安装。

3、解压打开

如上图，我们解压后，进入后，就如下图，我们最终目的是，添加在cuda里对应文件

4、找到文件位置

如下图，如果没什么问题的话，我们应该可以在如下目录下，见到如下目录，安装视频博主所说，它只是一个链接，需要我们小心操作，如果这个符合没了，就基本重写安装了，或者很麻烦。

ls /usr/local/cuda-10.2/

5、给文件“777”权限，命令复制文件

这里我直接给出，过程截图。

（1）文件复制include

sudo cp -rf cudnn.h /usr/local/cuda-10.2/include/cudnn.h

（2）文件复制lib64

sudo cp -rf *  /usr/local/cuda-10.2/lib64/

（3）文件给权限
这里直接给出命令，大家在对应目录下进行操作，先复制后给权限，或者先给权限后复制都可以，命令是固定的，但人是活的。

sudo chmod 777 cudnn.h 
sudo chmod 777 libcudnn.so* libcudnn_static.a 

（4）以下是我自己操作

（6）配置环境变量

文件转移完后，就可以配置环境变量了，简单说就是在对于文件下，加入两行文本。
安装完成后，需要配置环境变量以便系统和其他程序能找到CUDA的安装路径：

export PATH=/usr/local/cuda-xx.x/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-xx.x/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

这里需要根据自己电脑安装情况，修改文本 。如下 为自己自己的内容

其中 框起来部分 就是 需要添加的，下边这块 没记错的话，是安装Anaconda中，自动出现的。

export PATH=/usr/local/cuda-10.2/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

（7）验证安装

完成上述步骤后，可以使用以下命令来验证CUDA是否安装成功：

nvcc -V

如下如果 出现相关条目基本，认为成 了。

（8）软件依赖和开发软件

我们注意到工具我们是安装成功，但是我们开发写代码还是没有，我们可以使用Python语言，或者是基于c++的，当然因为篇幅原因，我这里想下载下一篇。

本篇cuda以及套件工具安装。

开发方式可以选择python 或 c++ 。

4、知识了解

（1）cuda 与组件套装

这块见仁见智，网上有不同理解，自己按照自己学习方式，也可以有不同的理解。
这里给网上的一个链接作为参考吧。
博文链接：https://blog.csdn.net/qq_41094058/article/details/116207333

（2）AI相关基础知识

本篇其实我这里并没有过多，将AI相关基础知识。当时我们不只是要会使用工具，还是用了解其内部原理，这里我直接安装伙伴推荐的，即使现在不马上学习，后续这块该欠下的帐还是补回来的。

如下是伙伴推荐的文章：我这边，在一点点看。
相关链接：GitHub - WZMIAOMIAO/deep-learning-for-image-processing: deep learning for image processing including

5、jetson 安装cuda

这里就不在啰嗦一遍，直接看如下自己的另一篇文章就可以。
相关链接：【学习AI-相关路程-工具使用-NVIDIA SDK MANAGER==NVIDIA-jetson刷机工具安装使用 】

6、ubuntn安装cuda

上面在介绍具体步骤的时候，都已经说明了，这里就不过多说明了。

7、细节部分

1、参考视频-感谢

还是再次感谢伙伴的指导，自己跟着学习后，确实成功安装了工具。
视频链接：https://www.bilibili.com/video/BV1N54y1r71U/?spm_id_from=333.999.0.0

2、降低版本问题

这块再开始学习，想要安装cuda的时候，就有相关文章，就提到了，但是不了解什么意思，现在想来，就是想说，电脑版本和GPU版本都会影响你安装的cuda版本以及组件。

所以相关cuda安装文章，都会提到看自己系统配置问题，这块自己作为新手，就是看得云里雾里的，其实就是先确定自己电脑能安装什么版本，然后再去找相应版本，当然可以选项低于当前设备版本。
文章链接：https://blog.csdn.net/kunhe0512/article/details/125061911

3、运行hello world 项目问题

我们刚学习c语音或者其他编程的时候，都会弄个“hello world”的样例，运行下，因为篇幅原因，这里只是说cuda安装，AI里没有通用的“hello world”可以运行，但是我们自己可以搞个简单程序，使用cuda相关函数，来体验下。

这就是之后的文章了。

4、其他版本安装失败问题

如下图，最开始的时候，自己不是明白，以为只要安装最新的版本就完事了。

但是实际安装的过程中，总是显示安装失败，这里是就是版本不匹配问题，所以有时候，最近的版本不一定是我们能安装的版本。

如下是，查看这个cuda相关安装问题的日志。

jl@WJL-PC-ubuntu:~$ cat /var/log/cuda-installer.log 
[INFO]: Driver installation detected by command: apt list --installed | grep -e nvidia-driver-[0-9][0-9][0-9] -e nvidia-[0-9][0-9][0-9]
[INFO]: Cleaning up window
[INFO]: Complete
[INFO]: Checking compiler version...
[INFO]: gcc location: /usr/bin/gcc

[INFO]: gcc version: gcc version 7.5.0 (Ubuntu 7.5.0-6ubuntu2) 

[INFO]: Initializing menu
[INFO]: Setup complete
[INFO]: Components to install: 
[INFO]: Driver
[INFO]: 450.51.05
[INFO]: Executing NVIDIA-Linux-x86_64-450.51.05.run --ui=none --no-questions --accept-license --disable-nouveau --no-cc-version-check --install-libglvnd  2>&1
[INFO]: Finished with code: 256
[ERROR]: Install of driver component failed.
[ERROR]: Install of 450.51.05 failed, quitting

5、装错其他版本要删除

如果装错了其他版本，需要先清除其他版本，否则安装记得好像就会有问，以下命令供参考

 1724  sudo dpkg -r cuda-*
 1725  sudo dpkg -r cuda
 1726  sudo dpkg -r cuda-
 1727  sudo apt-get --purge remove "cuda*"

6、保证复制文档的时候，文件链接条件成立

如下，就是复制文件的时候，保证有如下图标，不要直接拖拽复制啥的，尽量用命令吧。

8、总结

从一团浆糊，到滤清思路，还是花了不少时间，总是因为版本不匹配问题安装失败，也是非常折磨人的。

不过滤清头绪，从新来看，再总结，清晰多了。