Ubuntu 20.04 LTS 搭建GPU环境
胜利是不会向我们走来的，我们必须自己走向胜利。
Victory won't come to us unless we go to it.
入门人工智能领域，深度学习也好，强化学习也罢，如果没有算力做支撑，还是早点洗洗睡吧，毕竟梦里啥都有！
因此，对于入门这个领域的本科生、研究生或准备进入工业界的相关群体来说，学会搭建GPU环境是必备的基本功技能之一。下面，我将尽可能详细地说明，甚至重现每一步的结果截图，以便有益于诸君。
进入终端，执行命令
nvidia-smi
可以看到，系统此时支持的CUDA版本为11.2
一、安装CUDA
进入CUDA安装的官网
https://developer.nvidia.com/cuda-toolkit-archive
找到匹配的CUDA11.2
选择Linux
选择x86_64 ----Ubuntu----20.04(根据实际系统版本选择)---deb(local)
系统信息查询补充：
系统版本查看
lsb_release -a
Distributor ID: Ubuntu //类别是 Ubuntu
Description：Ubuntu 20.04.2 LTS //20年4月发布的长时间支持版本
// LTS 是 Long Term Support：长时间支持版本，支持周期长达三年至五年
Release 20.04 //发行日期或者发行版本号
Codename：focal //ubuntu的代号名称
系统内核版本和位数查看
其中x86_64就代表是64位的
我们回到主线任务，点击deb(local)后，CUDA官网便会给出对应的下载安装命令。
在系统中进入下载文件夹
打开终端
开始逐条执行命令
1wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin
2sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600
3wget https://developer.download.nvidia.com/compute/cuda/11.2.2/local_installers/cuda-repo-ubuntu2004-11-2-local_11.2.2-460.32.03-1_amd64.deb
4sudo dpkg -i cuda-repo-ubuntu2004-11-2-local_11.2.2-460.32.03-1_amd64.deb
5sudo apt-key add /var/cuda-repo-ubuntu2004-11-2-local/7fa2af80.pub
6sudo apt-get update
7sudo apt-get -y install cuda
执行到第3条命令时，需要下载cuda本地deb安装包 ，时间会稍长些
可能会出现“段错误（核心已转储）”
我们执行命令，查看目前资源限制的设定。
ulimit -a
可以看到堆栈的大小为8192k 大约8M多，我们将其存储空间调大
执行命令，将其调整为100M
ulimit -s 102400
调整后，将下载不完整的安装包删除
删除后，再次运行下载安装包下载命令
发现仍然会出现此错误
忽视此错误，继续安装，发现报错
于是继续删除下载不完整的文件
执行命令
ulimit -c unlimited
再次进行下载
发现，weget已经可以下载到100成功解决“段错误（核心已转储）”问题
继续执行安装命令
发现公钥没有被安装，根据提示安装公钥，执行命令
sudo apt-key add /var/cuda-repo-ubuntu2004-11-2-local/7fa2af80.pub
继续执行安装命令
执行下一步更新apt-get源
执行安装cuda
安装完成
查看cuda信息
nvcc -V
根据提示信息，安装nvidia-cuda-toolkit工具套装
sudo apt install nvidia-cuda-toolkit
输入y继续执行
安装时间较长
装好后继续执行命令查看cuda
说明cuda安装成功！
二、安装cudnn
进入cuDNN官网
https://developer.nvidia.com/cudnn
点击下载cuDNN （需要登录，未注册的需要先注册）
输入邮箱
输入密码或注册成功后，进入下载页面，记得勾选“I Agree... 同意协议选项”
选择对应CUDA 11.X的 cuDNN
找到Ubuntu对应的3个deb安装包，全部下载
下载成功后
先执行命令，利用正则查看文件 模糊查询lib开头的（为了复制文件名）
ls |grep lib
开始安装
1sudo dpkg -i libcudnn8_8.2.0.53-1+cuda11.3_amd64.deb
2sudo dpkg -i libcudnn8-dev_8.2.0.53-1+cuda11.3_amd64.deb
3sudo dpkg -i libcudnn8-samples_8.2.0.53-1+cuda11.3_amd64.deb
安装runtime版
安装dev开发版
安装样例代码
测试cuDNN是否安装成功
cuDNN的样例代码位置在/usr/src/cudnn_samples_v8(注意这里的v8指版本8，不同的cuda可能对应不同的版本，有的是v7) ，我们可以通过编译mnistCUDNN sample进行验证
执行命令，复制样例到自己新建的lab文件夹
（1）先确定lab文件夹路径
1cd ~
2ls
3cd lab
4pwd
（2）开始复制并测试
1cp -r /usr/src/cudnn_samples_v8/ /home/yhl/lab
1cd /home/yhl/lab/cudnn_samples_v8/mnistCUDNN
进行编译
1make clean && make
出现错误“FreeImage.h”
安装libfreeimage3库即可解决“FreeImage.h”没有被发现的错误。
1sudo apt-get install libfreeimage3 libfreeimage-dev
安装完成
再次进行编译
1make clean && make
测试运行
1./mnistCUDNN
出现Test passed ! 表示cuDNN已经安装成功并且能够正常使用。
如果你在操作过程中遇到了什么问题，或有什么想法和建议（希望大家多提想法和建议，一起交流，一起进步~），在留言区留下你的足迹吧，看到后便会及时回复大家哦~