让人头大的深度学习环境

前言

当前已经有许多的深度学习框架，例如 tensorflow、pytorch、mxnet、paddle等。众所周知，深度学习离不开显卡，对于普通的研究者来说，离不开Nvidia的显卡。

光有了硬件还不行，显卡大爷岂是你随随便便就能驱使的，它还需要

• 显卡驱动（Driver）
• Cuda（Compute Unified Device Architecture）计算库
• CUDNN（CUDA Deep Neural Network library）深度学习库

如果你的机器上有多个显卡，你还要安装NCCL（NVIDIA Collective Communication Library）。

一听就让人头大，Pytorch是大家都知道的对初学者友好，在你安装gpu版本的pytorch时，会自动安装上述的cuda和cudnn，然而tensorflow并不会安装。

网络上的大部分教程，都是基于windows并且是在物理机上安装上述库。如今在python领域，最为火热的包管理工具是conda，大部分人都基于它创建虚拟环境来进行不同库的隔离。因此，安装到物理机上的库会让隔离变的困难，甚至会影响到正常的conda包的安装。

因此，当拿到一个干净的系统时，请不要直接在上面安装cuda和cudnn，只需要在电脑上安装一个普通的驱动即可。然后进可以直接安装docker, nvidia-docker，完全不在物理机上留下任何痕迹 。退可以使用conda,创建虚拟环境，在不同的环境中安装不同的库。（比如我，tf, torch, paddle都装了）

如何在conda中安装cuda和cudnn

请直接使用conda install
例如我想要安装cuda11.8

conda install cudatoolkit=11.8 # 注意这里是一个=号，pip install 要两个=号

如何在pip中安装cuda和cudnn

我不推荐没有conda 虚拟环境的情况下安装这些包，可能会让你再也没有纯净的环境

pip install nvidia-cudnn-cu11
pip install nvidia-cuda-runtime-cu11
pip install nvidia-cublas-cu11
pip install nvidia-cuda-nvrtc-cu11