一、安裝顯卡驅動

1.1 查看顯卡型號

lspci | grep -i nvidia

我們發現輸出的信息中有Device 2230，可以根據這個信息查詢顯卡型號
查詢網址：https://admin.pci-ids.ucw.cz/mods/PC/10de?action=help?help=pci

輸入后點擊Jump查詢

我們發現顯卡型號為RTX A6000

1.2 根據顯卡型號選擇驅動

英偉達驅動下載：https://www.nvidia.cn/Download/Find.aspx?lang=cn&QNF=1

根據需求，輸入顯卡型號、操作系統和語言，選擇相應的驅動版本，我選擇550.78這個版本。

1.3 獲取下載鏈接

點擊下載

點擊【同意并開始下載】

1.4 查看下載的顯卡驅動安裝文件

ll

1.5 更新軟件列表和安裝必要軟件、依賴

sudo apt-get update
sudo apt-get install g++
sudo apt-get install gcc
sudo apt-get install make

1.6 卸載原有驅動

sudo apt-get remove --purge nvidia* 

1.7 禁用默認驅動

在安裝NVIDIA驅動前，禁用系統自帶顯卡驅動nouveau
使用vim打開和修改文件，也可用gedit

sudo vim /etc/modprobe.d/blacklist.conf

在文件尾增加兩行：

blacklist nouveau
options nouveau modeset=0

更新文件

sudo update-initramfs -u

此時必須重啟電腦：

sudo reboot

1.8 安裝lightdm顯示管理器

sudo apt-get install lightdm

1.9 停止顯示服務器

sudo telinit 3

1.10 在文本界面中，禁用X-window服務

sudo service gdm3 stop

1.11 安裝驅動

# 授予執行權限
sudo chmod 777 NVIDIA-Linux-x86_64-550.78.run# 執行安裝命令
sudo ./NVIDIA-Linux-x86_64-550.78.run

1.12 檢測顯卡驅動是否安裝成功

nvidia-smi

大功告成~

1.12 重啟顯示服務、恢復圖像界面

sudo  service  gdm3 start
sudo telinit 5

二、安裝CUDA

2.1 選擇合適的CUDA版本

我顯卡的驅動版本是550.78，可以安裝CUDA 12版本。可根據自己顯卡版本選擇合適的CUDA版本：查詢鏈接：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

2.2 下載CUDA

下載頁面鏈接：https://developer.nvidia.com/cuda-toolkit-archive

# 使用命令下載文件：
wget https://developer.download.nvidia.com/compute/cuda/12.1.0/local_installers/cuda_12.1.0_530.30.02_linux.run

# 使用命令查看文件下載：
ll

2.3 安裝CUDA

sudo sh cuda_12.1.0_530.30.02_linux.run

稍等一會，會出現如下界面，輸入：accept即可安裝

接著會出現如下界面：

需要注意的是，上述過程我們已在步驟1安裝顯卡驅動，已無需再裝，可通過鍵盤選擇，取消驅動的安裝。
再將光標通過鍵盤移至Install，開始安裝：

2.4 環境變量配置

以vim方式打開配置文件

sudo vim ~/.bashrc

在文件尾中加入以下兩行：

export PATH="/usr/local/cuda-12.1/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-12.1/lib64:$LD_LIBRARY_PATH"

更新環境變量

source ~/.bashrc

2.5 檢測CUDA是否安裝成功

nvcc -V

命令行顯示如上信息，表明安裝成功！大功告成~

三、Miniconda

Anaconda簡介：Anaconda 是一個用于科學計算的 Python 發行版，支持 Linux, Mac, Windows, 包含了眾多流行的科學計算、數據分析的 Python 包。

Anaconda和Miniconda的區別：Anaconda軟件包大概500MB，安裝后大概3-4G，base環境包括了conda管理器、Pyhon編譯器、常用的包和Spyder IDE等；Miniconda軟件包大概50MB，安裝后大概300MB，base環境選擇只包括conda管理器和Python編譯器，其他的包需要通過conda命令安裝。

3.1 下載Miniconda

官網鏈接：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/

右鍵選擇“復制鏈接”，并使用wget命令在Ubuntu服務器下載：

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-py38_23.11.0-1-Linux-x86_64.sh

3.2 安裝Miniconda

（1）開始安裝。輸入以下命令后，敲擊回車鍵

sudo bash Miniconda3-py38_23.11.0-1-Linux-x86_64.sh

（2）接受條款。按著Enter不松，直到出現條款，輸入yes：

(3) 輸入安裝路徑后敲擊回車鍵。我的安裝路徑為：/usr/local/miniconda

（4）最后敲擊回車鍵

3.3 配置環境

（1）配置環境變量。修改/etc/profile文件，來配置環境，添加一行（根據自己的安裝路徑添加）

export PATH=/usr/local/miniconda/bin:$PATH

（2）注入環境。

source /etc/profile

(3) 驗證是否安裝成功

conda -V

若顯示版本號，表明miniconda已安裝成功！

四、安裝Pytorch

4.1 選擇合適Pytorch版本

鏈接：https://pytorch.org/get-started/previous-versions/

由于CUDA安裝的版本是12.1，所以可以用Pytorch的v2.2.0版本

4.2 安裝Pytorch

可用conda安裝

conda install pytorch==2.2.0 torchvision==0.17.0 torchaudio==2.2.0 pytorch-cuda=12.1 -c pytorch -c nvidia

也可用pip安裝

pip install torch==2.2.0 torchvision==0.17.0 torchaudio==2.2.0 --index-url https://download.pytorch.org/whl/cu121

五、關于安裝cuDNN（這個坑以后再補）

cuDNN是一個基于CUDA的深度學習GPU加速庫，可以提高深度學習模型在GPU上的訓練速度。cuDNN不是必須安裝的，但是一般會采用這個加速庫。部分深度學習框架，如PyTorch，會自帶預先編譯的cuDNN，無需手動安裝。后面我還需要安裝Pytorch，所以cuDNN就沒安裝，需要安裝的可以參考下面信息，但是不完整。

版本查看頁面：https://developer.nvidia.com/cudnn-downloads

下載CUDA 12對應的cuDNN版本，這里我們選擇8.9.0版本。點擊該版本，顯示如下，我們選擇紅框圈中的版本。