参考：[https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html](https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html)





3080Ti 好像只能用CUDA 11 ，最终我装了CUDA 11.1。

# 1 显卡驱动安装

这个是越高版本越好，因为向下兼容CUDA。安装支持你显卡的最高版本即可！

搜索驱动并安装：

[https://www.nvidia.com/Download/index.aspx?lang=en-us](https://www.nvidia.com/Download/index.aspx?lang=en-us)

![在这里插入图片描述](/static/img/images/00313.png)

![在这里插入图片描述](/static/img/images/00314.png)

# 2 CUDA安装

参考看这里：[https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html](https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html)

从 CUDA 11.0 开始，由于 CUDA 库（例如 cuFFT 和 CUB）中的 C++11 要求，推荐的最低 GCC 编译器至少为 GCC 6。

如何升级gcc：

```python
# 教程 https://www.cnblogs.com/jixiaohua/p/11732225.html
sudo yum install centos-release-scl  # 安装centos-release-scl  红帽自带工具让原始gcc和你新安装的共存
sudo yum install devtoolset-8-gcc*  #安装devtoolset，注意，如果想安装7.*版本的，就改成devtoolset-7-gcc*，以此类推
scl enable devtoolset-8 bash  # 激活对应的devtoolset，所以你可以一次安装多个版本的devtoolset，需要的时候用下面这条命令切换到对应的版本
gcc -v # 查看版本
# 避免下次重启终端后还是会恢复到gcc4.8.5,所以：
cd /usr/bin/  # 去这个目录
mv /usr/bin/gcc /usr/bin/gcc-4.8.5  # 备份原有gcc
ln -s /opt/rh/devtoolset-8/root/bin/gcc /usr/bin/gcc   # 软链接
mv /usr/bin/g++ /usr/bin/g++-4.8.5    # 备份  没有的话可以不管
ln -s /opt/rh/devtoolset-8/root/bin/g++ /usr/bin/g++   # 软链接  没有的话可以不管
gcc --version  # 查看版本
g++ --version  # 查看版本
```



查看你的centos系统内核版本，应该满足下面图里的要求：
```python
uname -srm
输出结果：
Linux 3.10.0-957.12.2.el7.x86_64 x86_64
3 - 内核版本.
10 - 主修订版本.
0-957 - 次要修订版本.
12 - 补丁版本.
```

![在这里插入图片描述](/static/img/images/00315.png)




下载cuda的run文件：

[https://developer.nvidia.com/cuda-toolkit-archive](https://developer.nvidia.com/cuda-toolkit-archive)

![在这里插入图片描述](/static/img/images/00316.png)


linux下载与安装很方便：

```python
wget https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/cuda_11.1.0_455.23.05_linux.run
sudo sh cuda_11.1.0_455.23.05_linux.run
```

安装时不用选择选卡驱动，其他的选上然后安装即可。

成功安装后看到：

```python
(base) [root@localhost ~]# sh cuda_11.1.0_455.23.05_linux.run
===========
= Summary =
===========
Driver:   Not Selected
Toolkit:  Installed in /usr/local/cuda-11.1/
Samples:  Installed in /root/, but missing recommended libraries
Please make sure that
 -   PATH includes /usr/local/cuda-11.1/bin
 -   LD_LIBRARY_PATH includes /usr/local/cuda-11.1/lib64, or, add /usr/local/cuda-11.1/lib64 to /etc/ld.so.conf and run ldconfig as root
To uninstall the CUDA Toolkit, run cuda-uninstaller in /usr/local/cuda-11.1/bin
***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least .00 is required for CUDA 11.1 functionality to work.
To install the driver using this installer, run the following command, replacing <CudaInstaller> with the name of this run file:
    sudo <CudaInstaller>.run --silent --driver
Logfile is /var/log/cuda-installer.log
```



所以增加环境变量

```python
vim /etc/profile  # 进入文件写env变量
# 在最后添加三句话env
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.1/lib64
export PATH=$PATH:/usr/local/cuda-11.1/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-11.1
# 也可以这样添加
export LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64
export PATH=$PATH:/usr/local/cuda-11.1/bin
export CUDA_HOME=/usr/local/cuda-11.1
source /etc/profile # 生效env变量
```


此时就能查看CUDA版本：

```python
(torch111_k) [root@localhost ~]# nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2020 NVIDIA Corporation
Built on Tue_Sep_15_19:10:02_PDT_2020
Cuda compilation tools, release 11.1, V11.1.74
Build cuda_11.1.TC455_06.29069683_0
```

关于安装CUDA出现的`WARNING: Incomplete installation!`提示：别管他！



# 3 cuDNN

参考看这里：[https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html](https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html)

下载链接：[https://developer.nvidia.com/zh-cn/cudnn](https://developer.nvidia.com/zh-cn/cudnn)

需要注册登陆才能下载，下载与CUDA版本对应的版本：

![在这里插入图片描述](/static/img/images/00317.png)

安装很简单：

```python
tar -zxvf cudnn-11.1-linux-x64-v8.0.5.39.tgz # 解压后就是cuda文件夹
sudo cp cuda/include/cudnn*.h /usr/local/cuda/include 
sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda/lib64 
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
```

验证cudnn安装成功：

```python
# CUDA 10.2
conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c nvidia
vim test.py
```

```python
import torch
# 若正常则静默
a = torch.tensor(1.)
# 若正常则静默
print(a.cuda())
# 若正常则返回 tensor(1., device='cuda:0')
from torch.backends import cudnn
# 若正常则静默
print(cudnn.is_available())
# 若正常则返回 True
print(cudnn.is_acceptable(a.cuda()))
# 若正常则返回 True
```


# 总的来说

```shell
#!/bin/bash
cd /data
scp -r root@10.10.14.36:/data/datagpu/ /data
sudo yum install wget vim -y
sudo yum install centos-release-scl -y # 安装centos-release-scl  红帽自带工具让原始gcc和你新安装的共存
sudo yum install devtoolset-8-gcc*  -y  #安装devtoolset，注意，如果想安装7.*版本的，就改成devtoolset-7-gcc*，以此类推
scl enable devtoolset-8 bash  # 激活对应的devtoolset，所以你可以一次安装多个版本的devtoolset，需要的时候用下面这条命令切换到对应的版本
gcc -v # 查看版本
cd /data/datagpu/
sh cuda_11.1.0_455.23.05_linux.run
echo "export LD_LIBRARY_PATH=/usr/local/cuda-11.1/lib64" >>/etc/profile
echo "export PATH=$PATH:/usr/local/cuda-11.1/bin" >>/etc/profile
echo "export CUDA_HOME=/usr/local/cuda-11.1" >>/etc/profile
source /etc/profile
nvcc -V
tar -zxvf cudnn-11.1-linux-x64-v8.0.5.39.tgz # 解压后就是cuda文件夹
sudo cp cuda/include/cudnn*.h /usr/local/cuda/include 
sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda/lib64 
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
sh Miniconda3-py38_4.9.2-Linux-x86_64.sh
rm -rf ~/.condarc
vim ~/.condarc
channels:
  - defaults
show_channel_urls: true
channel_alias: https://mirrors.bfsu.edu.cn/anaconda
default_channels:
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/free
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/r
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/pro
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.bfsu.edu.cn/anaconda/cloud
  msys2: https://mirrors.bfsu.edu.cn/anaconda/cloud
  bioconda: https://mirrors.bfsu.edu.cn/anaconda/cloud
  menpo: https://mirrors.bfsu.edu.cn/anaconda/cloud
  pytorch: https://mirrors.bfsu.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.bfsu.edu.cn/anaconda/cloud
source ~/.bashrc
conda create -n torch python=3.8
source ~/.bashrc
conda activate torch
conda install -y pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c nvidia
python test.py
```

Linux CentOS7 深度学习环境 安装 CUDA Cudnn 验证安装成功 3080Ti 显卡 pytorch验证

Python





```python
yum whatprovides */lspci
yum install pciutils
```

这样就能：

```python
lspci  | grep -i vga
```

没有可用软件包 lspci yum install pciutils

Python





```python
img = cv2.imread(os.path.join(filepath, name))
dst = cv2.resize(img, (img.shape[1]//4, img.shape[0]//4))
cv2.imwrite(os.path.join(aimpath, "image" + str(num).zfill(6)) + ".jpg", dst)
```

Python opencv 图像缩放

Python tsfresh 自动计算大量的时间序列特征

[https://zhuanlan.zhihu.com/p/99069186](https://zhuanlan.zhihu.com/p/99069186)

LightGBM 决策树 gradient boosting framework

我是一个专注技术分享的博主,尤其爱搞深度学习和单片机电子。你现在看到的是我的个人博客网站。