---

前言

在Linux环境下配置cuda和cudann用于模型训练变得越来越重要，今天我们小组内需要配置一台用于模型训练的Linux环境。下面是具体操作。

---

一、cuda12.1下载与配置

1.在下载cuda12.1之前需要查看Linux系统下是否有支持NVIDA的独立显卡（没有请下载安装）

2.使用命令进行下载安装cuda12.1

# 下载安装包
wget https://developer.download.nvidia.com/compute/cuda/12.1.0/local_installers/cuda_12.1.0_530.30.02_linux.run

3.使用cd命令进入到下载的目录下。然后使用下列命令进行安装：
需要等待一会。

# 设置安装包可执行权限
sudo chmod +x cuda_12.1.0_530.30.02_linux.run
# 运行安装
sudo sh cuda_12.1.0_530.30.02_linux.run

4.选择Continue回车

5.输入accept进行回车

6.选择Install回车
7.出现以下错误需要调整

8.由于我已经安装过Driver CUAD了，修改错误如下所示：

9.最后稍等10分钟左右出现一下界面，说明安装马上成功了。

10.使用一下命令进入到环境配置

11.使用Esc+i进行编辑Vim文件输入下面内容。最后使用：qw进行保存并退出。

12.更新环境

13.验证cuda是否可用，显示一下信息表示cuda成功安装。

二、cudnn8.9.7下载安装

1.我是使用Windows系统进入到cudnn官网登录账号进行下载对应的版本的，然后使用远程连接方式将下载好的cudnn版本上传到Linux系统文件当中。（需要创建账号登录下载）cudnn8.9.7版本下载地址：https://developer.nvidia.com/rdp/cudnn-archive
进入官网选择红色箭头的安装包：

Windows系统下载完成之后，使用对应的远程工具将压缩包上传到linux系统对应的文件夹下。这里我使用的是：TeamViewer 下载连接为：https://www.teamviewer.com/apac/download/windows/或者使用其他ssh远程工具进行上传至服务器。


2.进入到Linux系统下赋值的cudnn8.9.7下载的安装目录，并打开终端，输入以下命令进行解压文件：

tar -xvf cudnn-linux-x86_64-8.9.7.29_cuda12-archive.tar.xz

3.复制头文件到cuda的安装目录。我的cuda安装目录是/usr/local/cuda-12.1/

sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda-12.1/include

4.复制库文件到cuda安装目录下

sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda-12.1/lib64

5.使用以下命令更改文件权限

sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

6.检查已安装的cuDNN库版本

cat /usr/local/cuda-12.1/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

7.最后成功安装结果

三.TensorRT8.6.1下载安装

1.首先我实在windows下面下载的TensorRT8.6.1安装包
进入官网：https://developer.nvidia.com/tensorrt/download

2.进入之后按照下面操作点击下载

3.使用TeamViewer进行传输到Linux系统上的/usr/local路径下

4.按照下面命令进行安装NVIDIA TensorRT
添加的环境变量Tenosrrt图:

cd /usr/local
# 解压安装包
sudo tar -xvf TensorRT-8.6.1.6.Linux.x86_64-gnu.cuda-12.0.tar.gz

# 添加环境变量
sudo vim ~/.bashrc
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/TensorRT-8.6.1.6/targets/x86_64-linux-gnu/lib

cd TensorRT-8.6.1.6/python
# 最后根据虚拟环境当中的python版本进行pip install

5.测试是否成功

---

总结

cuda，cudnn和anaconda3安装成功，同时在虚拟环境当中tensorRT安装成功。