测试CUDA
1、查看版本
nvcc -V
2、终端输入
cd /usr/local/cuda-11.3/samples/1_Utilities/deviceQuery sudo make sudo ./deviceQuery
输出Result=pass代表成功了，里面显示了CUDA可用的设备信息。
CUDNN
下载+安装
参考：https://blog.csdn.net/avideointerfaces/article/details/104793245
进入网址下载，要把cudnn版本与cuda版本对应正确
https://developer.nvidia.com/rdp/cudnn-archive
上述网址需要注册登录，按照要求完成即可
tgz易错，但deb卸载麻烦（本文下载tgz文件）
本机翻墙下载cudnn-11.3-linux-x64-v8.2.1.32，然后Xftp传过去
查看传过去后的文件名
ls
进入下载后的文件夹解压后，就可以看见cuda文件夹
在解压后的文件夹中输入一下命令
重命名，然后再解压缩。命令如下所示。
mv cudnn-11.3-linux-x64-v8.2.1.32.tgz cudnn-11.3.tgz tar -xvzf cudnn-11.3.tgz
因为下载的是库，不是源代码，所以不需要编译了。只需要将解压缩出来的so库和头文件拷贝到系统目录下即可。
将cudnn解压后的include和lib64文件夹复制到cuda中
cuda-11.3 此处是自己版本号 。
一行行复制，因为要输密码
sudo cp cuda/include/cudnn.h /usr/local/cuda-11.3/include/ #解压后的文件夹名字为cuda-11.3 sudo cp cuda/include/cudnn_version.h /usr/local/cuda-11.3/include/ sudo cp cuda/lib64/libcudnn* /usr/local/cuda-11.3/lib64/ sudo chmod a+r /usr/local/cuda-11.3/include/cudnn.h
最后安装一下依赖
sudo apt-get install libfreeimage3 libfreeimage-dev
查看cudnn版本
之前网上提供的方式cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2已经不能用了，因为cudnn.h文件里内容修改了，不再存放版本信息。
使用命令
cat /usr/local/cuda/include/cudnn.h | grep cudnn
查看，发现里面导入了cudnn_version.h文件，版本信息就存放在这个文件里
Anaconda
下载+安装
方法1：Anaconda3官网下载
方法2：清华大学开源软件镜像站下载
https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
里面有新旧版本，我下载的是Anaconda3-2021.05-Linux-x86_64.sh版本，如果大家需要其它版本，把这个后缀换成你想下的版本即可；
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2021.05-Linux-x86_64.sh
1、运行.sh文件
bash Anaconda3-2021.05-Linux-x86_64.sh
2.进入安装，输入yes
3.进入阅读注册手册，按 Enter 键
4.注册手册阅读完， 输入yes进行安装，然后会安装成功
环境配置
5.安装成功后，用vim打开环境变量：
sudo vim ~/.bashrc
添加下列语句，保存并退出
注意： “/home/sc/anaconda3/bin:$PATH” 的 sc是自己的用户名称，每个人都不一样，不知道可以看上面的打开的环境变量有个样本
export PATH="/home/sc/anaconda3/bin:$PATH"
更新环境变量
在终端输入：
source ~/.bashrc
添加清华源
将anaconda换一下源（加入清华源）
参考：https://blog.csdn.net/qq_31878083/article/details/122069771
vi ~/.condarc
把channels里面的https改成http
这个是网络安全的原因，https协议是有安全性的ssl加密传输协议，是浏览器和服务器之间的通信加密，这样来确保传输的安全。
auto_activate_base: false channels: - 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 show_channel_urls: true default_channels: - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r custom_channels: conda-forge: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud msys2: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud bioconda: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud menpo: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud pytorch: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud simpleitk: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
为了保证用的是镜像站提供的索引，清除索引缓存，输入：
conda clean -i
根据不同要求得到命令后，要把-c pytorch去掉，才会去自己添加的镜像源下载
此时，Anaconda3的基础设置弄完了
Pytorch
创建conda虚拟环境
创建一个虚拟环境，用来安装pytorch
conda create -n pytorch1.12_gpu or，可以选择Python版本 conda create -n pytorch1.12_gpu python==3.8 这样就创建了一个名字为pytorch1.12_gpu，基于python版本3.8的一个虚拟环境了
激活环境
conda activate pytorch1.12_gpu 或 source activate pytorch1.12_gpu
安装
进入官网，查看你的版本对应的安装命令
https://pytorch.org/get-started/locally/
大家根据自己的情况从上面选一个
安装文件非常大，因此我选择本机下载，然后传过去
安装cpu版本
参考：https://blog.csdn.net/ke996/article/details/112761228
去官网查看目前的稳定版本为1.13.0
pytorch的whl下载地址.
https://download.pytorch.org/whl/torch_stable.html
也就是需要下载这两个包
cu113/torchvision-0.13.0%2Bcu113-cp39-cp39-linux_x86_64.whl
cu113/torch-1.12.0%2Bcu113-cp39-cp39-linux_x86_64.whl
注意cu才是cpu版本，我是cuda11.3，所以选择了这个
特别重要的是cp后面跟着是python版本这个也要下载相应版本
下载到本地后：进入conda环境激活对应的python36
conda env list conda activate pytorch1.12_gpu
下载python3.9
conda install python=3.9.0
pip install+ whl文件位置
比如我的
pip install --no-index --find-links=file:/home/tjh/torch-1.12.0+cu113-cp39-cp39-linux_x86_64.whl（需要替换文件位置）
安装gpu版本
参考：https://blog.csdn.net/weixin_46415031/article/details/114809650
官网查看配套安装包（但是不要直接安装，而是去镜像网站找，然后下载配套的安装包）
（下面这个不要执行） conda install pytorch==1.12.0 torchvision==0.13.0 torchaudio==0.12.0 cudatoolkit=11.3 -c pytorch
pytorch的whl下载地址.
https://download.pytorch.org/whl/torch_stable.html
比如：torch-1.8.0+cu111-cp36-cp36m-win_amd64.whl
torchvision-0.9.0+cu111-cp36-cp36m-win_amd64.whl
下载后通过Xftp上传
下载到本地后：进入conda环境激活对应的python36
conda env list conda activate pytorch1.12_gpu
下载python3.9
conda install python=3.9.0
pip install+ whl文件位置
比如我的
pip install --no-index --find-links=file:/home/tjh/torch-1.12.0+cu113-cp39-cp39-linux_x86_64.whl（需要替换文件位置）
测试
进入虚拟环境，输入命令测试，大功告成！
python3
import torch torch.cuda.is_available()
print(torch.__version__) #输出PyTorch版本 print(torch.__path__) #输出PyTorch的路径
退出虚拟环境的命令：
conda deactivate
conda env list
cpu only测试
环境名称为pytorch11.3_cpu
查看torchvision 版本
conda list torchvision
gpu测试
pytorch下载：由于通过命令行下载的pytorch版本是cpu版本，导致后期测试torch测试是否可以使用GPU 时，torch.cuda.is_available()一直返回False.
