0、前言
在配置深度学习环境时，若想使用GPU加速，就需要安装CUDA、CUDNN，然而在系统中安装的话，若不同框架需要的版本不同，就会比较麻烦。因此，一种比较方便的做法是：利用conda管理不同的python虚拟环境，然后在每个虚拟环境安装所需的版本。
1、安装CUDA、CUDNN
这部分主要参考这篇博客：https://blog.csdn.net/qq_43705697/article/details/121618276
通过conda search找到所需的版本，然后以离线包的形式安装：
# 先搜索CUDA和CUDNN
conda search cudatoolkit --info
conda search cudnn --info
# 将所需要的版本包下载下来，然后安装
conda install --use-local 本地cuda包所在的路径
conda install --use-local 本地cudnn包所在的路径2、安装paddlepaddle-gpu
按照官网提供的方式安装即可：
python -m pip install paddlepaddle-gpu==2.4.2.post117 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html安装完毕之后，通过如下方式验证：
import paddle
paddle.utils.run_check()不出意外的话，就会出现意外~~~验证不通过！会有如下报错：
PreconditionNotMetError: Cannot load cudnn shared library. Cannot invoke method cudnnGetVersion.
[Hint: cudnn_dso_handle should not be null.] (at /paddle/paddle/phi/backends/dynload/cudnn.cc:60)
[operator < fill_constant > error] PreconditionNotMetError: The third-party dynamic library (libcublas.so) that Paddle depends on is not configured correctly. (error code is libcublas.so: cannot open shared object file: No such file or directory)
Suggestions:
1. Check if the third-party dynamic library (e.g. CUDA, CUDNN) is installed correctly and its version is matched with paddlepaddle you installed.
2. Configure third-party dynamic library environment variables as follows:
- Linux: set LD_LIBRARY_PATH by `export LD_LIBRARY_PATH=...`
- Windows: set PATH by `set PATH=XXX; (at /paddle/paddle/phi/backends/dynload/dynamic_loader.cc:305)
[operator < matmul_v2 > error]
接下来，我们只需要配置一下环境变量即可：
# 打开配置文件
sudo vim ~/.bashrc
# 添加如下命令：需要将里面的路径替换为你的安装路径
# 注意：这里四个变量的顺序不要随意变更，不然也会验证不通过（PS：一开始我是把envs/paddle/include、envs/paddle/lib放在前面的，就会提示找不到so文件，后来放到后面就正常了）
export LD_LIBRARY_PATH=/data/miniconda3/pkgs/cudatoolkit-11.7.0-hd8887f6_11/lib
export LD_LIBRARY_PATH=/data/miniconda3/pkgs/cudnn-8.4.1.50-hed8a83a_0/lib
export LD_LIBRARY_PATH=/data/miniconda3/envs/paddle/include
export LD_LIBRARY_PATH=/data/miniconda3/envs/paddle/lib
# 使之生效
source ~/.bashrc然后，再进行验证，即可通过：
