目录
注意：本篇文章是针对Ubantu操作系统及NVIDIA显卡的
前言
本文概述：很多萌新啊，刚接触深度学习，碰见的第一个大BOSS就是配置环境。折腾三四天还是弄不明白，作者这里就打算出一个教程啊，帮助萌新无痛学会pytorch的配套环境安装（nvidia显卡驱动、cuda、cudnn）。
作者介绍：作者本人是一名人工智能炼丹师，目前在实验室主要研究的方向为生成式模型，对其它方向也略有了解，希望能够在CSDN这个平台上与同样爱好人工智能的小伙伴交流分享，一起进步。谢谢大家鸭~~~
如果你觉得这篇文章对您有帮助，麻烦点赞、收藏或者评论一下，这是对作者工作的肯定和鼓励。
环境配置文章汇总
Windows
Ubuntu
华为昇腾平台
待更新~~~
注意：本篇文章是针对Ubuntu操作系统及NVIDIA显卡的
第一步：我们先查看操作系统的版本
cat /etc/issue
如图，我们的操作系统版本是ubuntu16.04，20.04的后面也是同样操作
第二步：查看显卡驱动版本
nvidia-smi
如果你的这台服务器之前没有更新过显卡驱动，需要更新成为最新版本的显卡驱动。如果已经更新过了就无视。显卡驱动版本决定了你能装的的CUDA最高版本是多少。而CUDA版本又决定了你装的pytorch最高版本是多少。
我们想要安装pytorch，首先要决定你要安装的pytorch版本需要的cuda版本是多少，当然也可以先安装cuda版本在去寻找合适的pytorch版本。
第三步：更新显卡驱动（不需要可跳过）
驱动安装包传送门：NVIDIA驱动
CUDA Toolkit选择最新的就好了，这个只是决定了你最高能安装的CUDA版本，但是依然可以安装比12.0更低的版本比如CUDA11.0等。 （注意）
然后点击搜索，下载驱动上传到服务器。
然后开始安装了
sudo bash 安装包路径
选择继续安装
警告全部无视，然后完成安装
然后我们在查看下显卡信息面板
nvidia-smi
红框是我们现在的显卡驱动版本，黄框是我们目前这个驱动最高能安装的CUDA版本
第三步：决定安装CUDA的版本
我们前面提到过安装有两种顺序，一种是决定pytorch的版本以此来选择cuda版本，第二种是先决定cuda的版本在以此来选择pytorch的版本。新手推荐第一种，我们下面的教程也是以第一种方法来进行展开
Pytorch传送门：Pytorch
我们打开pytorch的网站，然后我们打算安装pytorch1.10,该版本支持的cuda版本有10.2和11.3。我们下面将演示安装CUDA11.3的流程。 注意这里选择安装cuda11.3是完全没有问题呢，假如你的最新驱动最高能安装的cuda版本只有cuda11.0，那么你只能选择安装cuda10.2。
注意：很多新人下载东西都喜欢下载最新的，但是经验告诉我们。最新的版本往往BUG很多，而且还不够稳定，但是太老的版本又可能有功能缺失等问题，因此我推荐各位小白萌新，装比最新版本低两三个版本的库，pytorch和cuda都是同理。
我们上面已经决定了要安装CUDA11.3这个版本，下面我们开始进行安装
CUDA传送门：CUDA ，注意有些人可能需要魔法才能打开这个外国网页
然后我们按下图选择 ，主要系统版本要根据自己的来
然后我们运行下面的指令
然后根据我下面的流程来进行
这里我们输入accept就好了
下面是小白最容易被坑的点了，一定要取消勾选显卡驱动，具体是因为可能版本冲突。
正确的配置如下图，显卡驱动前面没有X
然后我们选择install 回车
YES
这个提示不用管
然后我们进行环境配置
vim ~/.bashrcvim文本编辑器操作流程 键盘按i 进行插入模式这个时候可以对内容进行编辑 编辑完之后按键盘Esc，然后在输入：wq 回车保存退出
我们将下面的配置写进去如下图所示
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda/extras/CPUTI/lib64
export CUDA_HOME=/usr/local/cuda/bin
export PATH=$PATH:$LD_LIBRARY_PATH:$CUDA_HOME
然后保存退出，输入下面的指令让系统完成配置更新
source ~/.bashrc然后我们在检查下配置是否正确
nvcc -V
出现如图这样，就说明你的cuda已经配置好了。
第四步：安装cudnn
cudnn是cuda的加速库，可以提高计算性能
CUDNN传送门：cudnn
我们这里一定要选择跟自己在服务器上安装的cuda版本匹配(不是显卡最高支持的版本)的cudnn
翻车，这个版本的cudnn不支持ubantu16.04，那我们往下找找更低版本的cudnn
好的，这个版本是支持ubantu16.04的
我们需要把这三个包都给下载并上传到服务器上，然后在进行安装。
注意：安装是有顺序的，不能乱安,否则会报错
先装 libcudnn8_8.2.1.32-1+cuda11.3_amd64.deb
dpkg -i libcudnn8_8.2.1.32-1+cuda11.3_amd64.deb
然后安装 libcudnn8-dev_8.2.1.32-1+cuda11.3_amd64.deb
dpkg -i /root/libcudnn8-dev_8.2.1.32-1+cuda11.3_amd64.deb
最后的同理
dpkg -i /root/libcudnn8-samples_8.2.1.32-1+cuda11.3_amd64.deb
到这里cuda和cudnn都安装完成了。然后解下来我们要开始安装anaconda了，已经安装anaconda了的话，下面这部分可跳过
第五步：安装Anaconda(已经安装了可跳过)
Anaconda传送门：Anaconda
这里根据你的系统架构进行选择，下载完后也是上传到服务器进行安装
然后我们执行下面的指令进行安装
sudo bash /root/Anaconda3-2023.03-1-Linux-x86_64.sh
一直按回车就行了
输入yes
萌新不建议乱改路径，我们这里直接按回车（一次）就好了 ，回车完了后一定要双手离开键盘！！！！
下面这里非常非常重要，这里不要手贱按回车，我们这里要输入yes，在按回车去初始化anaconda，要不然你需要自己去配置路径这样非常非常麻烦。
如图，这样我们的anaconda就已经安装完成啦。
第六步：创建anaconda环境
执行下面的命令创建python3.8且名为dl的环境
conda create -n dl python=3.8命令如果提示找不到，说明conda的环境配置是有问题的，如果上面conda的环境配置失败或者忘记输入yes,可以执行下面的命令补救,路径是自己的路径
source /root/anaconda3/bin/activate
conda init
输入y
这样，我们的conda环境就创建好了
第七步：安装pytorch
进入我们上面创建的dl环境
conda activate dl
然后我们打开pytorch的官网
pytorch传送门:Pytorch
我们复制这个命令然后运行
输入y
pytorch安装完成
然后我们通过命令进入python
python导入torch库 ，并回车
import torch
然后执行下面的命令
print(torch.cuda.is_available())
如果返回是Ture的话说明你的pytorch是可以正常调用GPU去进行计算的，如果返回False，说明上面的配置有问题，请仔细阅读本文
尾言
如果您觉得这篇文章对您有帮忙，请点赞、收藏。您的点赞是对作者工作的肯定和鼓励，这对作者来说真的非常重要。如果您对文章内容有任何疑惑和建议，欢迎在评论区里面进行评论，我将第一时间进行回复。