1. 安装GPU显卡驱动

• 检查驱动是否安装成功：

		sudo nvidia-smi1

• 不用命令行，直接用图形化界面即可：“软件和更新”窗口安装

1.1 安装前

首先，确认你是有GPU显卡的：lspci | grep -i nvidia

未安装前，显示的驱动如下：（由于我没有截图，这里借别人的图一用）

1.2 安装过程

1.2.1 打开终端，查看推荐安装的驱动

打开终端，输入ubuntu-drivers devices

其中标记 recommended 的，即为推荐安装的驱动

如下所示，就是“nvidia-driver-470”

当然我们可以根据recommended安装，也可以根据自己的实际需求安装，我就是根据需求安装的

1.2.2 搜索并打开 软件和更新，安装驱动

• 打开软件和更新
• 选择附加驱动
• 选择需要安装的驱动
• 点击应用更改
• 等待，然后安装完毕

1.3 安装完成

重启以后，在设置里面可以看到已经成果安装RTX3060驱动了，检查是否安装成功：nvidia-smi

2. 安装 CUDA

2.1 下载官方CUDA

打开英伟达官网 下载官方cuda

此处我下载的是cuda 11.6.0 版本，并选择相应配置，复制指令至终端下载

wget https://developer.download.nvidia.com/compute/cuda/11.6.0/local_installers/cuda_11.6.0_510.39.01_linux.run

2.2 运行官网安装指令

要根据自己的版本运行命令

sudo sh cuda_11.6.0_510.39.01_linux.run1

2.3 添加环境变量

gedit ~/.bashrc打开文件，在文件结尾添加如下语句：

export PATH="/usr/local/cuda-11.6/bin:$PATH"export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.6/lib64
export LIBRARY_PATH=$LIBRARY_PATH:/usr/local/cuda-11.6/lib123

Tips：在export PATH里请一定按路径是在""中的格式，如果是其他格式的画，后面用nvcc -V查看版本时只会显示旧版本的CUDA，不会显示自己下载的版本！！！！

保存、更新环境变量：source ~/.bashrc

重启

2.4 输入nvcc -V查看版本号

**2.5：为什么nvcc -V 与nvidia-smi不一致

因为cuda有两种API，分为运行API和驱动API，只要驱动API版本高于运行时API就没关系。nvidia-smi显示的是驱动API，nvcc -V显示的是运行时API。

3. 安装 cudnn

3.1. 下载cudnn

进入官网（需要登录，选择Sign in） ，寻找合适的 cudnn 版本，下载对应版本的cudnn Local Installer for Ubuntu18.04 x86_64 (Deb)，

cd download_path
sudo dpkg -i ccudnn-local-repo-ubuntu1804-8.4.0.27_1.0-1_amd64.deb#激活本地文件，这个要根据自己的下载版本决定#（这个在执行完上面的命令后会自动给你下面的命令，复制就好，不用无脑copy下面的一行代码）sudo cp /var/cudnn-local-repo-ubuntu2004-8.4.1.50/cudnn-local-E3EC4A60-keyring.gpg /usr/share/keyrings/ # 导入CUDA GPG Key（sudo apt-get update#据自己的下载版本决定sudo apt-get install libcudnn8=8.4.1.50-1+cuda11.6 #通过tab自动补全，安装runtime librarysudo apt-get install libcudnn8-dev=8.4.1.50-1+cuda11.6 #通过tab自动补全，安装developer librarysudo apt-get install libcudnn8-samples=8.4.1.50-1+cuda11.6 #通过tab123456789

3.2 验证

CUDNN的安装包中有sample code，可用于测试。
先将sample code拷贝至可写入路径，如$HOME

cp -r /usr/src/cudnn_samples_v8/ $HOME #进入到mnist文件夹中，并进行编译cd cudnn_samples_v8/mnistCUDNN/
make clean && make./mnistCUDNN1234567

看到test passed，表明安装完成！！

3.3cuda和cudnn之间的关系

【CUDA与cuDNN】，cuda是螺丝刀，cudnn是扳手，这两个工具在GPU加速运算中都是需要的，安装cuda并不会附带cudnn，两个需要分别安装。

4. 安装PyTorch

4.1 安装

到Pytorch官网选择对应的系统和cuda版本，复制Run this Command中的cuda install命令，进入终端，输入conda create -n yolov50 python==3.8，这样就创建了一个名叫yolov5的虚拟环境，再输入source activate yolov5（用conda莫名会打不开，这里就用source打开），进入虚拟环境。

• 在安装的时候网络时好时不好，有的时候会报错，我在网上看用官网的源会比较慢，让用清华的源，但是我一添加，不只是慢了，而是直接报连接超时的错误。。。后面所幸不修改.condarc硬着头皮用官方的conda下载，中间断断续续几次后竟然ok了，很奇怪

看到下图的几个done时，就表明下载完成了：

5.2 测试安装是否成功

• 使用命令查看torch版本

pythonimport torch
torch.__version__123

• 用命令查看是否可加速：

print(torch.cuda.is_available())1

• 使用一个矩阵运算测试是否能正常运行：

import torch as t
x = t.rand(5,3)y = t.rand(5,3)if t.cuda.is_available():x = x.cuda()y = y.cuda()print(x+y)1234567

至此，安装完成～～～

5. 参考

1. https://blog.csdn.net/qq_35494379/article/details/105603832
2. https://blog.csdn.net/qq_43644413/article/details/124899366
3. https://blog.csdn.net/weixin_44780789/article/details/127034349
4. https://blog.csdn.net/lavinia_chen007/article/details/125217721