CUDA是GPU深度学习的运行库，那么cuDNN就是训练加速工具，两者要相互配合使用，所以一般机器学习需要训练引擎(tensorflow-gpu) + CUDA + cuDNN使用。想不安装cuDNN是不可以的，而且cuDNN版本要和CUDA版本相互搭配。

1、前置工作

查看显卡信息

nvidia-smi

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 510.108.03   Driver Version: 510.108.03   CUDA Version: 11.6     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|                               |                      |               MIG M. |
|===============================+======================+======================|
|   0  NVIDIA GeForce ...  Off  | 00000000:01:00.0 Off |                  N/A |
| N/A   42C    P8    N/A /  N/A |      9MiB /  2048MiB |      0%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+
                                                                               
+-----------------------------------------------------------------------------+
| Processes:                                                                  |
|  GPU   GI   CI        PID   Type   Process name                  GPU Memory |
|        ID   ID                                                   Usage      |
|=============================================================================|
|    0   N/A  N/A       980      G   /usr/lib/xorg/Xorg                  4MiB |
|    0   N/A  N/A      1592      G   /usr/lib/xorg/Xorg                  4MiB |
+-----------------------------------------------------------------------------+

• 如果出现这个样式，说明已经安装显卡驱动了。通常装好的Ubuntu中都有显卡驱动✔️
• 如果没有装驱动，Ubuntu有一种简便的装驱动方式，在软件与更新里找到附加驱动，一般来说挑一个数字版本比较大的安装即可，安装完毕重启电脑，再次输入nvidia-smi查看是否安装成功。

在输入nvidia-smi后你可以看到右上角有CUDA Version: 11.6(你的版本与我可能不一样)，这不代表你的CUDA安装成功了，这个版本是CUDA的最高安装版本。

因此本文选择安装CUDA 11.3和CUDNN8.2.1

CUDNN版本的选择：在下载的官网上可以看到支持CUDA 11.3的CUDNN

2、安装CUDA 🔧

2.1 降低g++版本

Ubuntu 20.04默认g++9版本太高，会导致CUDA无法安装，因此要先降低g++版本

sudo apt-get install gcc-7 g++-7
 
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 9
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-9 1
 
sudo update-alternatives --display gcc
 
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-7 9
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-9 1
 
sudo update-alternatives --display g++

2.2 下载CUDA

CUDA官网：https://developer.nvidia.com/cuda-toolkit-archive

有20.04的就用20.04的，没有就选最大的，一般是18.04。推荐用runfile安装，只需要两行命令：

wget https://developer.download.nvidia.com/compute/cuda/11.3.0/local_installers/cuda_11.3.0_465.19.01_linux.run
sudo sh cuda_11.3.0_465.19.01_linux.run

wget是下载命令
sh是执行脚本命令

下面的安装图片是用的其他博主的，关键点我标出来了

accept

安装成功则进行环境环境变量配置

2.3 环境变量配置⚠️

此步很重要，必须要做，否则程序会找不到cuda

打开.bashrc文件

#使用vim打开.bashrc
sudo vim ~/.bashrc
#使用记事本打开.bashrc
sudo gedit ~/.bashrc

在最后增加（注意请根据实际情况修改，你可以查看/usr/loacl目录下cuda的文件名是什么）

export PATH=/usr/local/cuda-11.3/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.3/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

刷新环境变量

source ~/.bashrc

检查一下CUDA是否安装正确

cat /usr/local/cuda/version.json

查看CUDA版本号

nvcc -V

3、安装CUDNN🔧

CUDNN的安装比较简单，只需要下载对应版本的安装包，拷贝文件到指定目录，给予权限即可
CUDNN官网需要注册才能下载

CUDNN官网：https://developer.nvidia.com/cudnn

拷贝文件+授予权限命令

sudo cp cuda/include/cudnn* /usr/local/cuda-11.3/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-11.3/lib64
sudo chmod a+r /usr/local/cuda-11.3/include/cudnn* 
sudo chmod a+r /usr/local/cuda-11.3/lib64/libcudnn*

查看cuDNN版本方法：

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

注意，这句话可能执行了没效果，那是因为新版本换位置了，需要用:

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

至此CUDA和CUDNN的安装结束✌

参考博客

https://blog.csdn.net/h3c4lenovo/article/details/119003405