之前配置过环境，然后过段时间就忘了，最近又在折腾机器，重新配置环境，跟着网上的教程来，发现走了很多坑，所以记录下。

我的账号是带sudo权限的非root用户，不带sudo权限应该也是可以的。

1、准备

前期准备主要是版本对应上：

cuda和驱动程序

cuda和cudnn

具体对应关系参照：https://blog.csdn.net/omodao1/article/details/83241074

cuda和pytorch

前往pytorch官网查看版本的对应关系。https://pytorch.org

2、安装

2.1 安装驱动程序

这个驱动程序其实可以在装cuda的时候装，也可以单独安装。由于原来的驱动程序和现在的cuda版本对应不上，所以我是把原来的驱动程序卸载了，在安装cuda时重新安装的，单独安装方法可以在网上搜下，但是一定要记住版本对应上（驱动程序和显卡型号也要对应上）。

2.2 安装cuda

去官网下载安装包，我的系统是Ubuntu，所以下载的是cuda_9.0.176_384.81_linux.run。
然后在同级目录下执行：

bash cuda_9.0.176_384.81_linux.run

先后会遇到各种配置问题：

• 是否accept？ accept
• driver？ 这个根据自己的情况来，如果是已经安装了则no，如果已经安装了，想重新安装，需要将之前的卸载了再安装，此时yes
• openGL? 好像是如果安装driver时才有的选项，yes
• nvidia-xconfig? 这里我选择的no
• cuda tookit? yes
• cuda安装路径：这个根据自己的需要来看是否修改
• cuda samples ? yes
• samples 路径：根据情况修改

这个步骤没出问题的话，基本上就是可以了的，网上有些教程里修改了cuda的环境变量，但是我没有修改，却可以使用，不知道是不是版本的原因？
测试是否安装成功：
(1)看nvcc版本nvcc —version
(2)看驱动能不能用nvidia-smi
(3)进入到samples文件夹在用户目录下或者/usr/local/cuda/samples下都有，进入1_Utilities/deviceQuery中，make 然后运行./deviceQuery，会输出一堆信息，最后是PASS，之前都对。

2.3 安装cudnn

去官网下载，要注册的。https://developer.nvidia.com/rdp/cudnn-download。选择cuDNN v5.1 Library for linux下载之后解压，下载下来之后是.tgz后缀，然后用tar -xvf解压即可。然后把lib和include拷贝到cuda对应的目录下：

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

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

网上的教程说这里还要修改文件权限和建立链接，我没有弄，结果还是正确的。

2.4 安装python、pytorch

这部分就相对来说简单很多了，可以直接参考官网教程：https://pytorch.org

3 测试pytorch的gpu环境是否安装好

# CUDA TEST
import torch
x = torch.Tensor([1.0])
xx = x.cuda()
print(xx)

# cuDNN test
from torch.backends import cudnn
print(cudnn.is_acceptable(xx))

print(torch.cuda.is_available())

我的输出结果：