Ubuntu 20.04.4 LTS 安装 CUDA 11.6, cuDNN, TensorRT, PyCUDA, PyTorch

随着深度学习的不断发展，越来越多的开发者选择在 Ubuntu 系统上进行深度学习环境的搭建。本文将详细介绍在 Ubuntu 20.04.4 LTS 上安装 CUDA 11.6, cuDNN, TensorRT, PyCUDA, PyTorch 的步骤和注意事项，帮助读者顺利完成深度学习环境的搭建。

一、安装 CUDA 11.6

1. 下载 CUDA 11.6

从 NVIDIA 官方网站下载适用于 Ubuntu 20.04 的 CUDA 11.6 安装包。请确保下载的安装包与您的操作系统版本和硬件配置兼容。

1. 安装 CUDA 11.6

解压下载的 CUDA 安装包，并按照官方文档中的说明进行安装。在安装过程中，您需要接受许可协议并指定安装位置。推荐安装在默认位置。

1. 配置环境变量

安装完成后，需要配置环境变量以便系统能够找到 CUDA 的相关文件。打开终端，输入以下命令编辑 ~/.bashrc 文件：

vim ~/.bashrc

在打开的文件末尾添加以下行：

export PATH=/usr/local/cuda-11.6/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.6/lib64:$LD_LIBRARY_PATH

保存并关闭文件后，运行以下命令使环境变量生效：

source ~/.bashrc

1. 验证安装

运行以下命令验证 CUDA 是否安装成功：

nvcc -V

如果显示 CUDA 的版本信息，则表示安装成功。

二、安装 cuDNN

1. 下载 cuDNN

从 NVIDIA 官方网站下载与 CUDA 11.6 兼容的 cuDNN 安装包。请确保下载的 cuDNN 版本与您的 CUDA 版本兼容。

1. 安装 cuDNN

解压下载的 cuDNN 安装包，并按照官方文档中的说明进行安装。通常，您需要将 cuDNN 的相关文件复制到 CUDA 的安装目录中。

三、安装 TensorRT

1. 下载 TensorRT

从 NVIDIA 官方网站下载适用于 Ubuntu 20.04 的 TensorRT 安装包。请确保下载的 TensorRT 版本与您的 CUDA 版本兼容。

1. 安装 TensorRT

解压下载的 TensorRT 安装包，并按照官方文档中的说明进行安装。在安装过程中，您可能需要配置环境变量和更新软件包列表。

四、安装 PyCUDA

1. 安装依赖

在安装 PyCUDA 之前，需要先安装一些依赖库。运行以下命令安装必要的依赖：

sudo apt-get install python3-dev
sudo apt-get install libboost-dev libboost-system-dev libboost-thread-dev

1. 安装 PyCUDA

使用 pip 安装 PyCUDA：

pip install pycuda

五、安装 PyTorch

1. 安装 PyTorch

使用 pip 安装与您的 CUDA 版本兼容的 PyTorch。在终端中输入以下命令：

pip install torch==1.10.0+cu116 torchvision==0.11.1+cu116 torchaudio==0.10.0+cu116 -f https://download.pytorch.org/whl/torch_stable.html

注意：上述命令中的版本号可能与您下载时的最新版本不同，请根据实际情况选择合适的版本。

1. 验证安装

运行以下命令验证 PyTorch 是否安装成功：

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

如果输出 True，则表示 PyTorch 可以使用 GPU 进行计算。

六、总结

本文详细介绍了在 Ubuntu 20.04.4 LTS 上安装 CUDA 11.6, cuDNN, TensorRT, PyCUDA, PyTorch 的步骤和注意事项。通过按照上述步骤进行操作，您可以顺利完成深度学习环境的搭建，并开始