Ubuntu18.04全命令行在3090显卡上安装pytorch环境

1.3090驱动安装：

sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt update
sudo apt install nvidia-driver-470
sudo apt autoremove xserver-xorg
sudo apt autoremove --purge xserver-xorg
sudo apt-mark hold nvidia-driver-470 # Freeze NVIDIA Drivers。阻止自动更新(apt upgrade时忽略)。所以更新的时候先unhold，更新完再hold。

作者：siaimes
链接：https://www.zhihu.com/question/489756221/answer/2146691270
来源：知乎

2.安装minconda：

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-py39_4.10.3-Linux-x86_64.sh

sudo bash Miniconda3-py39_4.10.3-Linux-x86_64.sh

3.创建激活虚拟环境：

sudo chmod 777 -R /home/eworld/miniconda3

conda create -n py38 python=3.8

conda activate py38

4.安装pytorch同时安装cuda（这样安装cudnn一般也已经自动为我们配置好了）：

sudo chmod 777 -R /home/eworld/.conda

conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c nvidia

验证cuda是否安装好，cudnn是否配置好。

Python 3.8.11 (default, Aug  3 2021, 15:09:35) 
[GCC 7.5.0] :: Anaconda, Inc. on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> a=torch.tensor(1.0)
>>> a.cuda()
tensor(1., device='cuda:0')
>>> from torch.backends import cudnn
>>> cudnn.is_available()
True
>>> cudnn.is_acceptable(a.cuda()) 
True

如上结果显示安装配置已经ok！参考：ubuntu18.04+RTX3090+Pytorch1.9+anaconda(在conda创建的虚拟环境中配置深度学习环境--不需要单独下载cuda和cudnn）_zeronose的博客-CSDN博客
 

2023年03月24日:

ubuntu20.04系统T4显卡 按照上面的方法安装，验证cuda失败。

安装pytorch修正为：

sudo chown -R 1000:1000 /home/inference/.conda

conda install pytorch=1.9 torchvision torchaudio cudatoolkit=11.1 -c pytorch -c nvidia

参考：

3090安装torch1.9报错总结_鸿蒙小白的博客-CSDN博客