Ubuntu20.04+RTX3090ti+cuda11.6+cudnn8.4.1+pytorch安装过程记录
配置时间：2022.9.14
以下是我亲测有效的使用 RTX 3090 的各部分安装版本：
电脑系统：window 10
python版本：3.8.13
pytorch版本：1.12.1
CUDA版本：11.6
cuDNN版本：8.5.0
以下是我个人安装教程，仅供参考，如果出现新问题我恐怕可不能解决，谨慎参考，大神请随意~
文章目录
- 第一步：安装Anaconda
- 第二步：新建环境
- 第三步：Cuda安装
- 第四步：cudnn安装
- 安装pytorch
- 测试
- 备注
- 1、jupyter运行
- 2、tensorflow-gpu安装
- 1、新建环境
- 2、版本对应
- 3、tensorflow_gpu安装
- 4、测试
- 3、环境相关
- 4、Pycharm运行问题
第一步：安装Anaconda
注意！！！注意安装的Anaconda是64位的，不然后面的pytorch不能找到对应版本！！！
第一次失败：
后续安装pytorch时一直报错Solving environment: failed with initial frozen solve. Retrying with flexible solve. 网上查说是版本不对应的问题，一开始一直以为是python版本的问题，最后才发现是anaconda的版本错了。Anaconda装成32位的，还一直傻傻没有发现。。。
检查版本 conda info
重新安装了64位的Anaconda
根据提示安装即可。
第二步：新建环境
1、打开anaconda prompt
2、命令行输入：conda create --name pytorch_gpu python=3.8 python_gpu为anaconda下虚拟环境名称
3、如果要启用创建的环境，输入指令：conda activate pytorch_gpu
关闭该环境的话，输入指令：conda deactivate
第三步：Cuda安装
建议安装CUDA之前先安装VS
不知道为什么，网上教程这样建议的，于是我还是安装了，一定不要装在c盘！！！！！
可选VS2013，体量小。
我直接官网下载，装的VS2019版本，选择C++开发工具即可。
Driver Version：512.50
CUDA Version：11.6
虽然自带CUDA，但是为了保险起见，重新安装CUDA和cuDNN
注意，安装完重启，否则nvcc -V可能没变
1、进入官网检查版本对应
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
考虑到越新的版本可能对运算有优化，这里安装11.6版本2、下载安装包
CUDA下载网站，无需注册
https://developer.nvidia.com/cuda-toolkit-archive
根据提示安装即可
第四步：cudnn安装
1、检查cudnn是否安装
cmd下输入命令：nvcc -V 如果已经安装会出现详细信息，注意，CUDA安装完重启，否则nvcc -V可能没变
cudnn安装好后：
2、下载安装包
cuDNN网址
https://developer.nvidia.com/cuDnn
下载cuDNN需要注册NVIDIA账号并登录，我使用163邮箱可以正常收发邮件。邮箱验证完后，补全一些信息即可。
我下载的是最新版本：cudnn8.5.0
4、安装cudnn
安装CUDA完毕后解压cuDNN压缩包，复制以下所有内容。
打开路径
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6将刚才复制的内容粘贴到该文件夹。
这里与Win10+CUDA11.0+RTX 3060ti GPU深度学习主机 pytorch 环境相似，大体上是这样
完成。
检查：查看CUDA和CUDNN是否安装成功（conda 环境）
安装pytorch
按照官网建议 https://pytorch.org/get-started/locally/
激活环境后安装
conda install pytorch torchvision torchaudio cudatoolkit=11.6 -c pytorch -c conda-forge根据提示安装即可。
测试
全部安装好后测试，参考博客 查看Pytorch是否使用GPU、pytorch - 查看pytorch、cuda、cuDNN版本
import torch
print("Pytorch version：")
print(torch.__version__)
print("CUDA Version: ")
print(torch.version.cuda)
print("cuDNN version is :")
print(torch.backends.cudnn.version())
print("torch.cuda.is_available():",torch.cuda.is_available()) # cuda是否可用
print("torch.cuda.current_device():",torch.cuda.current_device()) # 返回当前设备索引
print("torch.cuda.device_count():",torch.cuda.device_count()) # 返回GPU的数量
print("torch.cuda.get_device_name(0):",torch.cuda.get_device_name(0)) # 返回gpu名字，设备索引默认从0开始
cudnn的版本不知道为啥子不一样，不过应该是可以用~
备注
1、jupyter运行
配置：Jupyter Notebook切换python运行环境 注意配置环境变量！
运行 ：anaconda prompt
cd / 路径
jupyter notebook ./2、tensorflow-gpu安装
1、新建环境
conda create --name tf_gpu python=3.8
2、版本对应
3、tensorflow_gpu安装
参考博客：安装tensorflow的GPU版本（详细图文教程）–CUDA11.6的安装
pip install -U tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple
帮我安装的tensorflow_gpu2.10.0
python3.8.13
4、测试
import tensorflow as tf
tf.test.is_gpu_available()
应该是没什么问题。
3、环境相关
克隆环境
如果要启用创建的环境：
conda activate pytorch_gpu关闭该环境的话：
conda deactivate查看环境
conda info --envs
# 或者
conda env list删除环境
其中yyy是要卸载的环境名
conda uninstall -n yyy --all把本地的AAA环境克隆成BBB
conda create -n BBB --clone AAA4、Pycharm运行问题
pycharm 运行测试代码时，报错：
Original error was: DLL load failed while importing _multiarray_umath: 找不到指定的模块。
经过百度：
应该时numpy版本问题，激活环境后，重装numpy
conda uninstall numpy
conda install numpy
完结撒花~
