㈠ linux 服务器 cuda cudnn安装
Linux服务器上安装CUDA和cuDNN的详细步骤如下：
第一步：安装驱动程序。
请访问官方下载地址，下载适合您系统的驱动程序。安装时，请注意按照提示操作，确保所有步骤正确无误。
如果在安装过程中遇到X服务未关闭的问题，可尝试在安装指令后面添加参数 "-no-x-check"。
如果继续遇到错误提示，检查系统中是否已安装GCC编译器。若未安装，需首先安装GCC。
若问题仍未解决，可能需要更新内核。完成内核更新后，再次尝试执行安装指令。
第二步：安装CUDA。
访问CUDA官方下载页面，下载对应版本的CUDA安装包。在安装过程中，您可能需要选择一些配置选项。请确保在显示的界面中取消“Driver”选项（即显卡驱动）的选中状态，避免安装失败。正确完成安装后，系统会显示安装成功的样例信息。
第三步：配置环境变量。
执行相应的配置命令，以确保CUDA能够被正确识别并使用。
第四步：安装cuDNN。
访问cuDNN官方下载页面，根据您所使用的CUDA版本选择对应的cuDNN版本进行下载。cuDNN的下载速度可能较慢，您可以尝试使用代理服务器或等待一段时间。
㈡ ubuntu下显卡升级和cuda安装
在Ubuntu系统下，升级显卡驱动并安装CUDA的过程其实并不复杂，但因驱动版本过旧可能导致CUDA版本受限。以下是详细的操作步骤：
一、显卡驱动升级
1. 以手动搜索的方式选择合适的驱动版本。
2. 安装驱动，首先卸载旧驱动，然后使用root权限执行安装命令。
3. 遇到提示时，除了DKMS模块源注册，其他都选择yes。
4. 安装完成后，验证驱动是否成功。
二、CUDA和cudnn安装
1. 使用QQ邮箱登录获取CUDA安装资格，但需在系统终端而非FinalShell进行安装。
2. 接受安装，确保之前安装的V8.0.61版本不被覆盖。
3. 创建软链接，以适应不同版本的CUDA使用。
4. 在.bashrc中添加相关设置，验证新安装的CUDA。
1.1 cudnn下载与安装
- 直接从网页下载，复制链接至服务器，重命名文件。
- 验证cudnn是否安装成功。
三、安装Miniconda和pytorch
1. 下载并安装Miniconda，一路选择默认选项。
2. 创建并切换至新的conda环境。
3. 启动jupyter环境。
四、安装pytorch和torchvision
1. 下载pytorch。
2. 安装pytorch，记得带上镜像源以解决依赖问题。
3. 验证pytorch安装是否成功。
经过以上步骤，你的Ubuntu系统便成功升级了显卡驱动，安装了CUDA和相关工具，可以愉快地利用GPU进行机器学习任务了。
㈢ ubuntu安装cudaUbuntu1804安装CUDA和cuDNN
进行深度学习的第一步，必然是配置一个相应的环境。根据公司服务器现有的环境，在自己的Ubuntu系统下安装Anaconda3、CUDA、cuDNN，本文是安装CUDA和cuDNN的过程记录
这里是安装Anaconda3的过程记录：教程系列——Ubuntu18.04安装Anaconda3
安装CUDA
1.下载
进入CUDA官网选择合适的版本，我这里选择CUDA10.1，
点击“CUDA Toolkit 10.1”进入下载页面，根据自己的Ubuntu版本进行选择，然后点击“Download”开始下载
注意：我这里使用图形界面版Ubuntu进行下载，因此直接使用系统自带浏览器打开网页下载，并保存至“Downloads”文件夹。如果是server版系统，则可以先在本地电脑浏览器中下载文件，然后使用“WinSCP”或其他远程访问工具将安装文件拷贝到Ubuntu
2.安装
#切换到文件所在目录cd Downloads/#查看刚下载的安装文件ls#执行安装文件sudo sh cuda_10.1.105_418.39_linux.run稍等片刻，弹出是否接受协议，键入accept并Enter
接着是安装选项，如果之前已经安装好NVIDIA驱动，那么第一项的“Driver”就取消选择（敲Enter即可取消选择）
反之就一并安装CUDA10.1对应的默认驱动版本，其他选项默认即可，然后将高亮光标移动到“Install”并Enter开始安装，如下图所示：
继续稍等片刻，出现如下图所示：
此时还需要设置好环境变量
#切换到根目录cd ..#打开.bashrc文件sudo gedit ~/.bashrc#在文件最后添加如下内容并保存export PATH="/usr/local/cuda-10.1/bin:$PATH"export LD_LIBRARY_PATH="/usr/lcoal/cuda-10.1/lib64:$LD_LIBRARY_PATH"#执行生效source ~/.bashrc输入下方命令测试是否安装成功
cd /usr/local/cuda-10.1/samples/1_Utilities/deviceQuerysudo make./deviceQuery如果最后出现Result = PASS，表示CUDA安装成功
安装cuDNN
1.下载
进入cuDNN官网，首先需要登录或注册NVIDIA账户，成为开发者，官网：https://developer.nvidia.com/cudnn
一顿操作之后，跟随指引进入到下载页面：https://developer.nvidia.com/rdp/cudnn-archive，我这里根据公司服务器上现有的环境，选择cuDNN7.6.4，对应CUDA10.1
2.安装
下载完成后发现是 .tgz文件，需要先解压
cd Downloads/tar zxvf cudnn-10.1-linux-x64-v7.6.4.38.tgz解压后，在当前目录下生成一个“cuda”文件夹，依次执行以下命令进行安装配置环境
sudo cp cuda/include/cudnn.h /usr/local/cuda-10.1/includesudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.1/lib64sudo chmod a+r /usr/local/cuda-10.1/include/cudnn.h sudo chmod a+r /usr/local/cuda-10.1/lib64/libcudnn*最后通过下方命令查看cuDNN版本，如下图，三个数字依次显示，代表版本是7.6.4，安装正确
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2至此，CUDA和cuDNN的安装已经完成。