之前没有在非root的linux服务器上装过本地的环境，所以在有权限的情况下用sudo可以很快的完成配置。
这次在非root服务器上安装时出现了很多意想不到的问题，特此记录一下：


目录

  • 1. 非root用户安装cuda时的路径配置：
  • 2. CUDA的环境变量配置
  • 3. nvidia-smi驱动mismatch问题


1. 非root用户安装cuda时的路径配置：

注意！！！添加环境变量那一步不要按连接中的操作进行！正确解决方法看下面的内容
参考下面链接中的博主的方法，每一步看仔细就能成功配置

2. CUDA的环境变量配置

安装完cuda和cudnn后，下一步准备安装pytorch。需要注意的是，如果在官网中选择conda安装，则系统会默认再次给你安装对应版本的CUDA

解决方法：选择pip的方式安装pytorch

当然，在我美滋滋的以为只要用pip就能安装好pytorch的时候并没有意识到，驱动在早上6点自己偷偷更新了。这就导致我的nvidia-smi命令查看驱动配置时会报错：Failed to initialize NVML: Driver/library version mismatch且同时nvcc -V也nvcc-V: command not found

不是nfs装载的驱动器_ubuntu


看到这两行的时候气死我了！

于是我认为应该是环境变量出了问题，重新将路径加到环境变量里。果不其然，nvcc修好了

不是nfs装载的驱动器_linux_02


然而！当我重新打开一个服务器terminal时，nvcc又又又又失灵了

搜了一下找到了原因，通过上文中给出链接的那篇博客中的方法添加环境变量的话，没能写到bashrc里。

解决方法：

echo 'export PATH=~/cuda-11.1/bin/:$PATH'>>~/.bashrc
echo 'export LD_LIBRARY_PATH=~/cuda-11.1/lib64:$LD_LIBRARY_PATH'>>~/.bashrc
source ~/.bashrc

然后打开bashrc可以看到添加了环境变量：

vim ~/.bashrc

文本最末尾出现了

#User specific aliases and functions
export PATH=/usr/local/cuda...
export LD_LIBRARY_PATH=/usr/local/cuda...

此时再次连接服务器，输入nvcc -V后即可看到我们想要的结果~~

不是nfs装载的驱动器_nvidia_03

3. nvidia-smi驱动mismatch问题

不是nfs装载的驱动器_ubuntu_04


nvidia-smi命令查看驱动配置时报错：Failed to initialize NVML: Driver/library version mismatch

原因在于：NVIDIA 内核驱动版本与系统驱动不一致

于是我们需要先查看显卡驱动所使用的内核版本:

cat /proc/driver/nvidia/version

不是nfs装载的驱动器_不是nfs装载的驱动器_05


–内核版本为460.80

接下来查看系统驱动日志：

cat /var/log/dpkg.log | grep nvidia

不是nfs装载的驱动器_linux_06


这是什么！！！居然背着我偷偷更新！！！

也就是说系统驱动的版本已经到了460.91.03而内核版本还是460.80

解决方法： 查了下相关解决方法，似乎只有两个：

  1. 卸载系统驱动，重新安装。
  2. 重启等待内核驱动自动更新
    考虑到我在服务器上没有权限，无法阻止系统驱动的自动更新，因此只能采取第二种方式：重启