安裝顯卡驅動

查看驅動版本

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

安裝anaconda

下載：
獲取anaconda在清華鏡像站的網址，然后在服務器端wget 網址就行了。

清華鏡像站中anaconda的所有版本的網址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

找到自己想要的那個版本，然后右鍵-》復制鏈接地址。

接下來在服務器端找一個好的目錄，wget + 復制好的地址，運行就好。

示例：
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.3.1-Linux-x86_64.sh

sh ./Anaconda3-5.3.1-Linux-x86_64.sh

source /root/anaconda3/etc/profile.d/conda.sh

如果conda 不起作用的話。

接下來一直操作就行

安裝cuda

https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1804&target_type=runfilelocal

下載對應的版本

然后進入文件夾中，安裝，運行如下代碼

sudo cuda_9.0.176_384.81_linux.run

安裝cudnn

先下載 官網地址 https://developer.nvidia.com/rdp/cudnn-archive

這兩個軟件包時應該先安裝上面那個Runtime版本的而不是下面那個developer版本。
解壓壓縮包，然后出現cuda 文件夾

tar -xzvf cudnn-10.0-linux-x64-v7.6.4.38.solitairetherme8

如果是deb文件，執行以下命令

sudo dpkg -i libcudnn7_7.4.1.5-1+cuda10.0_amd64.deb 

然后執行以下命令

$ sudo cp cuda/include/cudnn*.h /usr/local/cuda/include
$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
$ sudo chmod a+r /usr/local/cuda/include/cudnn*.h  /usr/local/cuda/lib64/libcudnn*

然后測試是否安裝完成

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

錯誤：
1.libcudnn8-dev 依賴于 libcudnn8 (= 8.0.4.30-1+cuda11.1)；然而：
未安裝軟件包 libcudnn8。

dpkg: 處理軟件包 libcudnn8-dev (–install)時出錯：
依賴關系問題 - 仍未被配置
在處理時有錯誤發生：
libcudnn8-dev
解決 先安裝developer 版本

一，tar安裝

a，解壓tar文件

$ tar -xzvf cudnn-9.0-linux-x64-v7.tgz
b，復制所需文件到系統相應位置

$ sudo cp cuda/include/cudnn.h /usr/local/cuda/include

$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64

$ sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
二，deb安裝

a，安裝runtime library

sudo dpkg -i libcudnn7_7.0.3.11-1+cuda9.0_amd64.deb
b，安裝developer library

sudo dpkg -i libcudnn7-dev_7.0.3.11-1+cuda9.0_amd64.deb
c，安裝code samples and the cuDNN Library User Guide

sudo dpkg -i libcudnn7-doc_7.0.3.11-1+cuda9.0_amd64.deb

3，驗證

a,拷貝示例代碼到任意可寫路徑

$cp -r /usr/src/cudnn_samples_v7/ .
b,進入cudnn_samples_v7相應目錄

$ cd cudnn_samples_v7/mnistCUDNN
c,編譯

$make clean &&& make
d.運行

$ ./mnistCUDNN

安裝pytorch-gpu

其實可以直接 安裝pytorch 不用安裝 cudnn coda 就行

conda install pytorch torchvision cudatoolkit=10.1

然后進行測試即可