注意：nvidia驱动和cuda,cudnn,pytroch,python的对应关系
linux安装pytorch（包括cuda与cudnn）_linux清华园按照pytorch1.12_BryceRui的博客-CSDN博客
安装流程：安装cuda（包括nvidia驱动）+ cudnn + python安装
注意：nvidia驱动可以在安装cuda时一起安装
1、安装NVIDIA驱动（该驱动也可以在cuda安装时一起安装）
Ubuntu 18.04 NVIDIA驱动安装总结_ObsessionLife的博客-CSDN博客
最近遇到了在Ubuntu 18.04上安装NVIDIA的情况，看到一篇英文教程讲解的很好，简单翻译一下拿来收藏。
在Ubuntu 18.04上安装NVIDIA有三种方法：
使用标准Ubuntu仓库进行自动化安装
使用PPA仓库进行自动化安装
使用官方的NVIDIA驱动进行手动安装
上述三种方法均可用，我个人更习惯于使用手动安装。
注意：
在安装之前首先就是要禁用Nouveau的驱动，禁用该驱动的方法参照这篇博客。
https://www.cnblogs.com/smartcoding/p/15353414.html
ubuntu禁止自动更新内核_ubuntu取消内核自动更新_maohule的博客-CSDN博客
1.查看系统安装的内核有哪些
dpkg --get-selections | grep linux-image
2.查看系统正在使用的内核
uname -a
禁止更新内核：
sudo apt-mark hold linux-image-4.13.0-36-generic
sudo apt-mark hold linux-image-extra-4.13.0-36-generic
sudo apt-mark hold linux-headers-4.13.0-36-generic如果需要恢复原来的设定的话即允许更新内核，执行如下命令即可:
sudo apt-mark unhold linux-image-4.13.0-36-generic
sudo apt-mark unhold linux-image-extra-4.13.0-36-generic————————————————
上一步的改动只是在安装的时候临时禁用。如果没有永久禁用该驱动，可能会出现安装完毕NIVIDA显卡后无法进入Ubuntu的情况(在登录界面，输入密码也无法登录)。
所以，在安装后Ubuntu成功后需要在grub的配置文件里面更改：
在文本中搜索quiet splash 然后添加acpi_osi=linux nomodeset，保存文本即可。
1. 使用标准Ubuntu 仓库进行自动化安装
这种方法几乎是所有的示例中最简单的方法，也是该教程最为推荐的方法。首先，检测你的NVIDIA显卡型号和推荐的驱动程序的模型。在命令行中输入如下命令：
== cpu-microcode.py ==
1. 使用标准Ubuntu 仓库进行自动化安装
这种方法几乎是所有的示例中最简单的方法，也是该教程最为推荐的方法。首先，检测你的NVIDIA显卡型号和推荐的驱动程序的模型。在命令行中输入如下命令：
$ ubuntu-drivers devices
== /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 ==
modalias : pci:v000010DEd00001180sv00001458sd0000353Cbc03sc00i00
vendor : NVIDIA Corporation
model : GK104 [GeForce GTX 680]
driver : nvidia-304 - distro non-free
driver : nvidia-340 - distro non-free
driver : nvidia-384 - distro non-free recommended
driver : xserver-xorg-video-nouveau - distro free builtin
== cpu-microcode.py ==
driver : intel-microcode - distro free从输出结果可以看到，目前系统已连接Nvidia GeFrand GTX 680显卡，建议安装驱动程序是 nvidia-384版本的驱动。如果您同意该建议，请再次使用Ubuntu驱动程序命令来安装所有推荐的驱动程序。
输入以下命令：
sudo ubuntu-drivers autoinstall一旦安装结束，重新启动系统(不重启可能会出现nvidia不匹配等错误)，
$ sudo reboot你就完成了。
输入
nvidia-smi出现一些现实，说明驱动安装正确
sudo apt
install nvidia-driver-418#去除之前的nvidia显卡驱动
sudo apt-get autoremove --purge nvidia-*或
sudo apt-get remove --purge 'nvidia\.*'
sudo apt autoremove一旦安装结束，重新启动系统(不重启可能会出现nvidia不匹配等错误)，
你就完成了。
输入
出现一些现实，说明驱动安装正确
CUDA Toolkit and Minimum Compatible Driver Versions
| CUDA Toolkit | Linux x86_64 Driver Version | Windows x86_64 Driver Version |
| CUDA 11.2.2 Update 2 | >=460.32.03 | >=461.33 |
| CUDA 11.2.1 Update 1 | >=460.32.03 | >=461.09 |
| CUDA 11.2.0 GA | >=460.27.03 | >=460.82 |
| CUDA 11.1.1 Update 1 | >=455.32 | >=456.81 |
| CUDA 11.1 GA | >=455.23 | >=456.38 |
| CUDA 11.0.3 Update 1 | >= 450.51.06 | >= 451.82 |
| CUDA 11.0.2 GA | >= 450.51.05 | >= 451.48 |
| CUDA 11.0.1 RC | >= 450.36.06 | >= 451.22 |
| CUDA 10.2.89 | >= 440.33 | >= 441.22 |
| CUDA 10.1 (10.1.105 general release, and updates) | >= 418.39 | >= 418.96 |
| CUDA 10.0.130 | >= 410.48 | >= 411.31 |
| CUDA 9.2 (9.2.148 Update 1) | >= 396.37 | >= 398.26 |
| CUDA 9.2 (9.2.88) | >= 396.26 | >= 397.44 |
| CUDA 9.1 (9.1.85) | >= 390.46 | >= 391.29 |
| CUDA 9.0 (9.0.76) | >= 384.81 | >= 385.54 |
| CUDA 8.0 (8.0.61 GA2) | >= 375.26 | >= 376.51 |
| CUDA 8.0 (8.0.44) | >= 367.48 | >= 369.30 |
| CUDA 7.5 (7.5.16) | >= 352.31 | >= 353.66 |
| CUDA 7.0 (7.0.28) | >= 346.46 | >= 347.62 |
2、安装CUDA11.1
ubuntu安装cuda11.2_AI界扛把子的博客-CSDN博客
linux安装pytorch（包括cuda与cudnn）_linux清华园按照pytorch1.12_BryceRui的博客-CSDN博客
CUDA Toolkit 12.2 Update 2 Downloads | NVIDIA Developer
- 官网地址
从官网下载cuda，特别注意：要选择run，不要选择deb。
wget http://developer.download.nvidia.com/compute/cuda/11.0.2/local_installers/cuda_11.0.2_450.51.05_linux.run
chmod +x cuda_10.1.105_418.39_linux.run sudo ./cuda_10.1.105_418.39_linux.run这里是下载的cuda 11.1版本
- 禁用X服务（黑屏）
- 给文件赋执行权限并安装
后续选择accepted，
除了驱动不选择（因为第一步已经安装了nvidia驱动了，如果前面没有安装nvidia，则该选项也需要），其他都选，具体界面如下
- 打开配置文件
在末尾添加写入（这个相当于选择cuda-11.1版本）
更新一下
输入nvcc -V，显示cuda版本，检测是否成功
查看版本信息
- whereis cuda
- whereis cudnn
cuda11.1及以下的卸载：
cuda10.0及以下的卸载：
cd /usr/local/cuda-xx.x/bin/ sudo ./uninstall_cuda_xx.x.pl sudo rm -rf /usr/local/cuda-xx.x或
sudo apt-get --purge remove "*cublas*" "cuda*"3、安装cudnn
- 下载对应cuda 11.1 的cudnn版本
官网下载，找到与cuda版本配对的cudnn，查看官网配对，以及更全的版本配对，我的cuda为11.1,选择对应的cudnn版本
cuDNN Archive | NVIDIA Developer
- 将下载的添加为压缩包并解压 （不同版本，则将cunn-11.1中11.1修改其他版本的数字即可）
- 查看安装的cudnn版本
- cudnn的卸载
如果有之前的残留版本最好卸载干净，同时路径中的cuda字样，要根据现实来定，cuda有可能需要替换为cuda-9.0或者其他
sudo rm -rf /usr/local/cuda-11.1/include/cudnn.h
sudo rm -rf /usr/local/cuda-11.1/lib64/libcudnn*
四、安装pytroch
根据网址Start Locally | PyTorch选择配置
或
五、验证
以上安装完成后，打开python，执行以下脚本。
若输出true，则表示cuda可以使用了。然后开始愉快的torch之旅吧。
方法1：查看所有python的路径，不止一个
方法2：查看当前使用的python路径
![java八股文面试[数据库]——写失效（双写缓冲区）](https://img-blog.csdnimg.cn/9aa495e491de41028dff107fc574f435.png)
![[管理与领导-74]：IT基层管理者 - 辅助技能 - 4- 职业发展规划 - 构建自己的个人品牌](https://img-blog.csdnimg.cn/ba28e33e39e14492b7201285e0817c36.png)
![[当人工智能遇上安全] 8.基于API序列和机器学习的恶意家族分类实例详解](https://img-blog.csdnimg.cn/fc259b57eb4b4df297903a76b1772ffc.jpeg#pic_center)
