ubuntu18.04配置cuda10.0+cudnn+pyto

谁能想到我也会有总结这个配置的一天。

其实深度学习出来这么多年了，现在配置教学贴已经很丰富了，配置的难度也小了很多。18.04已经不是当年那个不稳定的家伙了。

因为网上教程太多这里不再一项一项细致详解。就分开讲讲每一步有什么要注意的吧。

1. 装Ubuntu18.04：唯一的一个坑是不要使用rufus制作启动盘，老老实实ultraISO就好。rufus好用，简洁，美观，制作uefi-win也是一把好手，唯独制作uefi-Linux的时候问题不断。

2. 安装NVIDIA驱动：当年经常有事故就是安装的时候要切换到命令行状态，或者说切换到无GUI的状态，现在不用了，NVIDIA现在终于像个正常人了。不过要记得，cuda10必须driver版本大于410，不用心存侥幸了。当你输入命令检查驱动版本的时候：

ubuntu-drivers devices

应该没有410，都是340,390这种，老老实实安装ppa的源：

sudo add-apt-repository ppa:graphics-drivers/ppa  # 添加源

然后重新：

sudo apt update  # 获取更新
ubuntu-drivers devices  # 显示最新可用驱动
sudo apt install nvidia-driver-410  # 安装410版本的驱动

进行安装，或者其他你想要的版本安装。
当然，安装时有时候会有问题：

无法修正错误，因为您要求某些软件包保持现状，就是它们破坏了软件包间的依赖关系

这时候就看是什么包的依赖关系不对，比如我记得我的libnvidia-gl-410依赖有问题，那就sudo apt install libnvidia-gl-410呗。然后又告诉我这个依赖的libnvidia-compute-410有问题，那就sudo apt install libnvidia-compute-410呗。慢慢解，最终肯定可以安装成功。而且如上边所说，现在也不用切换到命令行模式了。驱动安装成功的标志就是

nvidia-smi

可以正常输出，输出什么你懂的。

3. 安装cuda：只要前置步骤没问题，cuda现在不可能有任何安装错误风险，装就是了。当然由于你没有装驱动，所以会提示你：

WARNING: Incomplete installation! This installation did not install the CUDA Driver. 
A driver of version at least 384.00 is required for CUDA 10.0 functionality to work

这个也不用管，你只需要像300年前那样：

nvcc -v

并且成功输出就行了。

4. cuDNN：同上，现在没有任何能出错的风险项，挑选合适的版本就行。哦对了，网址是：

https://developer.nvidia.com/rdp/cudnn-download

需要注册。

5. 安装pytorch，这个时候你已经有了py3.7，cuda10，ubuntu18.04，故直接输入：

pip install torch torchvision

就好了。
测试的时候也仅需要：

import torch as t
t.cuda.is_avilable()

输出True就OK了。

6. 不要问我为什么不用tensorflow。