安装显卡驱动
查看驱动版本
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
安装anaconda
下载：
获取anaconda在清华镜像站的网址，然后在服务器端wget 网址就行了。
清华镜像站中anaconda的所有版本的网址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
找到自己想要的那个版本，然后右键-》复制链接地址。
接下来在服务器端找一个好的目录，wget + 复制好的地址，运行就好。
示例：
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.3.1-Linux-x86_64.sh
sh ./Anaconda3-5.3.1-Linux-x86_64.sh
source /root/anaconda3/etc/profile.d/conda.sh
如果conda 不起作用的话。
接下来一直操作就行
安装cuda
https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1804&target_type=runfilelocal
下载对应的版本
然后进入文件夹中，安装，运行如下代码
sudo cuda_9.0.176_384.81_linux.run
安装cudnn
先下载 官网地址 https://developer.nvidia.com/rdp/cudnn-archive
这两个软件包时应该先安装上面那个Runtime版本的而不是下面那个developer版本。
解压压缩包，然后出现cuda 文件夹
tar -xzvf cudnn-10.0-linux-x64-v7.6.4.38.solitairetherme8
如果是deb文件，执行以下命令
sudo dpkg -i libcudnn7_7.4.1.5-1+cuda10.0_amd64.deb
然后执行以下命令
$ sudo cp cuda/include/cudnn*.h /usr/local/cuda/include
$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
$ sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
然后测试是否安装完成
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
错误：
1.libcudnn8-dev 依赖于 libcudnn8 (= 8.0.4.30-1+cuda11.1)；然而：
未安装软件包 libcudnn8。
dpkg: 处理软件包 libcudnn8-dev (–install)时出错：
依赖关系问题 - 仍未被配置
在处理时有错误发生：
libcudnn8-dev
解决 先安装developer 版本
一，tar安装
a，解压tar文件
$ tar -xzvf cudnn-9.0-linux-x64-v7.tgz
b，复制所需文件到系统相应位置
$ sudo cp cuda/include/cudnn.h /usr/local/cuda/include
$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
$ sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
二，deb安装
a，安装runtime library
sudo dpkg -i libcudnn7_7.0.3.11-1+cuda9.0_amd64.deb
b，安装developer library
sudo dpkg -i libcudnn7-dev_7.0.3.11-1+cuda9.0_amd64.deb
c，安装code samples and the cuDNN Library User Guide
sudo dpkg -i libcudnn7-doc_7.0.3.11-1+cuda9.0_amd64.deb
3，验证
a,拷贝示例代码到任意可写路径
$cp -r /usr/src/cudnn_samples_v7/ .
b,进入cudnn_samples_v7相应目录
$ cd cudnn_samples_v7/mnistCUDNN
c,编译
$make clean &&& make
d.运行
$ ./mnistCUDNN
安装pytorch-gpu
其实可以直接 安装pytorch 不用安装 cudnn coda 就行
conda install pytorch torchvision cudatoolkit=10.1
然后进行测试即可
, squeeze, unsqueeze)