之前一直在Windows系統下使用Anaconda和CUDA加速，最近需要復現一個算法，文檔里面有Linux系統conda構建環境的教程。
本篇博文參考博文，記錄自己安裝的過程，便于以后需要。

• 系統

Linux 6.8.0-52-generic #53~22.04.1-Ubuntu SMP PREEMPT_DYNAMIC Wed Jan 15 19:18:46 UTC 2 x86_64 x86_64 x86_64 GNU/Linux

1.Anaconda

1.1 安裝包下載

• 安裝包下載，這里我下載的是 Anaconda3-2023.09-0-Linux-x86_64.sh

官網：https://www.anaconda.com/download
如果速度慢可以去鏡像網站下載：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

1.2 安裝軟件

• 進入存放下載好文件的文件夾，終端輸入：

bash Anaconda3-2023.09-0-Linux-x86_64.sh

• 一直按回車，直到出現如下頁面 Do you accept the license terms，再輸入 yes
  - 之后再按回車，會確認Anaconda的安裝路徑，注意看下路徑是否正確，輸入 yes
  - 然后會確認是否需要寫入環境變量，輸入 yes
  - 最后會提示安裝成功

1.3 更新conda配置

• 重新打開一個終端，輸入：

source ~/.bashrc
conda update --all

解決：更新conda失敗

• PS：如果上面的指令執行沒有報錯這步直接跳過。
  如果 conda update --all失敗了，需要換源，可以先看下當前有哪些源

# 顯示當前配置的所有源（channels）
conda config --show channels

將更新失敗的源移除，并添加新的源，比如：

$ conda config --show channels
channels:- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/- https://pypi.douban.com/anaconda/cloud/conda-forge/- defaults# 上面這個douban源總是超時失敗，可以移除
conda config --remove https://pypi.douban.com/anaconda/cloud/conda-forge/# 添加一個新的源
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/# 顯示當前配置的所有源（channels）
$ conda config --show channels
channels:- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/- defaults

1.4 創建Anaconda桌面快捷方式

• 創建anaconda.desktop

sudo gedit /usr/share/applications/anaconda.desktop

• 將以下配置復制到打開的anaconda.desktop文件中
  PS：注意Exec（一般是anaconda3文件夾bin目錄下）和Icon（桌面圖標）需要填當前設備上的anaconda位置。

[Desktop Entry]
Name=Anaconda
Type=Application
Exec=/home/zzw/anaconda3/bin/anaconda-navigator
Icon=/home/zzw/anaconda3/pkgs/anaconda-navigator-2.5.0-py311h06a4308_0/lib/python3.11/site-packages/anaconda_navigator/static/images/anaconda-icon-256x256.png
Terminal=false
Categories=development;
StartupNotify=true

• 保存文件后就可以看到Anaconda的快捷方式
  

2.CUDA

2.1 確認安裝版本

• 首先查看自己設備可支持的最高CUDA版本，終端輸入：
  可以看到最高是12.2版本，由于復現的算法中用到的CUDA版本是11.8，為了保持一致防止出現別的奇形怪狀bug，這里我安裝的也是CUDA11.8

$ nvidia-smiSun Feb 23 21:06:35 2025       
+---------------------------------------------------------------------------------------+
| NVIDIA-SMI 535.183.01             Driver Version: 535.183.01   CUDA Version: 12.2     |
|-----------------------------------------+----------------------+----------------------+
| 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 RTX 3060 ...    Off | 00000000:01:00.0 Off |                  N/A |
| N/A   56C    P0              N/A / 115W |      8MiB /  6144MiB |      0%      Default |
|                                         |                      |                  N/A |
+-----------------------------------------+----------------------+----------------------++---------------------------------------------------------------------------------------+
| Processes:                                                                            |
|  GPU   GI   CI        PID   Type   Process name                            GPU Memory |
|        ID   ID                                                             Usage      |
|=======================================================================================|
|    0   N/A  N/A      3542      G   /usr/lib/xorg/Xorg                            4MiB |
+---------------------------------------------------------------------------------------+

2.2 安裝過程

• 去Pytorch官網查看安裝指令：https://pytorch.org/
  （由于沒有提供conda的安裝方式，這里選擇用pip安裝）

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

- 下載CUDA，官網：https://developer.nvidia.com/cuda-toolkit-archive，這里選擇11.8
- 打開終端，按下面輸入

wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.runsudo 
sh cuda_11.8.0_520.61.05_linux.run

- 安裝過程
出現這個頁面，選擇 continue
出現這個頁面，輸入 accept
出現這個頁面，在Driver處按空格鍵取消選中（因為已經有顯卡驅動了），然后下移到install，按回車鍵
- 安裝完成

2.3 配置環境變量

sudo gedit ~/.bashrc

• 在最后添加如下兩行并保存：（注意CUDA版本）

export PATH=/usr/local/cuda-11.8/bin:${PATH}
export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:${LD_LIBRARY_PATH} 

• 更新配置，查看是否安裝成功

$ source ~/.bashrc
$ nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2022 NVIDIA Corporation
Built on Wed_Sep_21_10:33:58_PDT_2022
Cuda compilation tools, release 11.8, V11.8.89
Build cuda_11.8.r11.8/compiler.31833905_0

3.CUDNN

3.1 下載安裝包

• CUDNN官網：https://developer.nvidia.com/rdp/cudnn-archive
• 這里我選擇的是8.7.0
  

3.2 安裝CUDNN

• 下載完成后，找到cudnn所在文件夾，打開終端，安裝zliblg，輸入

sudo apt-get install zlib1g

• 安裝cudnn

sudo dpkg -i cudnn-local-repo-ubuntu2204-8.7.0.84_1.0-1_amd64.debsudo cp /var/cudnn-local-repo-ubuntu2204-8.7.0.84/cudnn-local-BF23AD8A-keyring.gpg /usr/share/keyrings/sudo apt-get update# 先查看里面libcudnn8文件對應的版本是什么，手動更改相對應的版本即可
cd /var/cudnn*

比如我下面這個顯示的版本是libcudnn8=8.7.0.84-1+cuda11.8

sudo apt-get install libcudnn8=8.7.0.84-1+cuda11.8
sudo apt-get install libcudnn8-dev=8.7.0.84-1+cuda11.8
sudo apt-get install libcudnn8-samples=8.7.0.84-1+cuda11.8

3.3 驗證是否安裝成功

• 拷貝CUDNN的一個示例，編譯看下是否可以正常運行

cp -r /usr/src/cudnn_samples_v8/ $HOME
cd  $HOME/cudnn_samples_v8/mnistCUDNN
make clean && make

- 上面報錯了，安裝libfreeimage3 libfreeimage-dev‘

sudo apt-get install libfreeimage3 libfreeimage-dev

• 重新編譯后（make clean && make）不再報錯，輸入

./mnistCUDNN

成功完成安裝cudnn