【conda/cuda/cudnn/tensorrt】一份简洁的深度学习环境安装清单

🚀本文主要总结一下conda、cuda、cudnn、tensorrt的快速安装。至于nvidia显卡驱动的安装,暂且不提。本文适合有一定反复安装经验的读者😂,方便其快速整理安装思路。

NVIDIA Drivers


🌔01

conda

⭐️ 注意,conda环境中使用pip,是安装在该环境下,受conda影响;但使用apt依然安装在系统环境下,不受conda影响。

miniconda index
① {\color{#E16B8C}{①}} ① 选择合适的miniconda版本(假定用latest);
② {\color{#E16B8C}{②}} ② 用sh安装,先用wget下载文件;

bash 复制代码
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

③ {\color{#E16B8C}{③}} ③ bash按照指引安装;

bash 复制代码
bash Miniconda3-latest-Linux-x86_64.sh

🌔02

CUDA

CUDA Toolkit Archive
① {\color{#E16B8C}{①}} ① 根据nvidia显卡驱动和ubuntu的版本选择cuda版本;
② {\color{#E16B8C}{②}} ② 使用runfile安装(以cuda11.8为例);

bash 复制代码
chmod +x cuda_11.8.0_520.61.05_linux.run
./cuda_11.8.0_520.61.05_linux.run

③ {\color{#E16B8C}{③}} ③ 创建软连接;

bash 复制代码
cd /usr/local
ln -s cuda-11.8 cuda

④ {\color{#E16B8C}{④}} ④ 设置.bashrc;

bash 复制代码
# cuda
export CUDA_HOME=/usr/local/cuda
export PATH=$CUDA_HOME/bin:$PATH
export LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH
export CPLUS_INCLUDE_PATH=$CUDA_HOME/include:$CPLUS_INCLUDE_PATH

🌔03

cuDNN

cuDNN Archive
① {\color{#E16B8C}{①}} ① 根据cuda版本选择cudnn版本;
② {\color{#E16B8C}{②}} ② 使用deb安装(以cudnnn8.9.7为例);

bash 复制代码
dpkg -i cudnn-local-repo-ubuntu2204-8.9.7.29_1.0-1_amd64.deb
# 具体公钥的内容参考上一语句的输出,cudnn版本不同,公钥不同
cp /var/cudnn-local-repo-ubuntu2204-8.9.7.29/cudnn-local-8AE81B24-keyring.gpg /usr/share/keyrings/
sudo apt update
sudo apt install libcudnn8
sudo apt install libcudnn8-dev
sudo apt install libcudnn8-samples

③ {\color{#E16B8C}{③}} ③设置.bashrc;

bash 复制代码
# cudnn
export CUDNN_HOME=/usr/lib/x86_64-linux-gnu
export LD_LIBRARY_PATH=$CUDNN_HOME/lib64:$LD_LIBRARY_PATH

🌔04

TensorRT

TensorRT Download
① {\color{#E16B8C}{①}} ① 根据cuda版本选择tensorrt版本;
② {\color{#E16B8C}{②}} ② 使用tar安装(以tensorrt8.6.1为例);

bash 复制代码
tar -xzvf TensorRT-8.6.1.6.Linux.x86_64-gnu.cuda-11.8.tar.gz
sudo mv TensorRT-8.6.1.6 /usr/local

③ {\color{#E16B8C}{③}} ③ 创建软连接;

bash 复制代码
cd /usr/local
ln -s TensorRT-8.6.1.6 TensorRT

④ {\color{#E16B8C}{④}} ④ 设置.bashrc;

bash 复制代码
# tensorrt
export TENSORRT_HOME=/usr/local/TensorRT
export PATH=$TENSORRT_HOME/bin:$PATH
export LD_LIBRARY_PATH=$TENSORRT_HOME/lib:$LD_LIBRARY_PATH
export CPLUS_INCLUDE_PATH=$TENSORRT_HOME/include:$CPLUS_INCLUDE_PATH

⑤ {\color{#E16B8C}{⑤}} ⑤ 安装tensorrt python;

bash 复制代码
cd /usr/local/TensorRT/python
# 根据python版本安装,我的是python3.10版本,选择cp310
# 最好退出conda环境,选择系统环境的python版本,并在系统环境安装
pip install tensorrt-8.6.1-cp310-none-linux_x86_64.whl

🌔05

Appendix

5.1 fishros

安装ros/docker/clash,配置系统/ros/docker源等可以用它。

bash 复制代码
wget http://fishros.com/install -O fishros && . fishros

5.2 proxy

写在.bashrc中,之后可以使用proxy_on和proxy_off来选择开启或关闭代理。

bash 复制代码
# >>> proxy set >>>
proxy_on() 
{
export hostip=$(cat /etc/resolv.conf | grep nameserver | awk '{print $2}')
export http_proxy="http://${hostip}:7890"
export https_proxy="http://${hostip}:7890"
export all_proxy="socks5://${hostip}:7890"
echo "代理已开启,当前代理 IP: ${hostip}"
}

proxy_off() 
{
unset http_proxy
unset https_proxy
unset all_proxy
echo "代理已关闭"
}
# <<< proxy set <<<
相关推荐
微学AI9 分钟前
融合注意力机制和BiGRU的电力领域发电量预测项目研究,并给出相关代码
人工智能·深度学习·自然语言处理·注意力机制·bigru
知来者逆20 分钟前
计算机视觉——速度与精度的完美结合的实时目标检测算法RF-DETR详解
图像处理·人工智能·深度学习·算法·目标检测·计算机视觉·rf-detr
一勺汤23 分钟前
YOLOv11改进-双Backbone架构:利用双backbone提高yolo11目标检测的精度
人工智能·yolo·双backbone·double backbone·yolo11 backbone·yolo 双backbone
武汉唯众智创25 分钟前
高职人工智能技术应用专业(计算机视觉方向)实训室解决方案
人工智能·计算机视觉·人工智能实训室·计算机视觉实训室·人工智能计算机视觉实训室
Johny_Zhao36 分钟前
MySQL 高可用集群搭建部署
linux·人工智能·mysql·信息安全·云计算·shell·yum源·系统运维·itsm
一只可爱的小猴子1 小时前
2022李宏毅老师机器学习课程笔记
人工智能·笔记·机器学习
地瓜机器人1 小时前
乐聚机器人与地瓜机器人达成战略合作,联合发布Aelos Embodied具身智能
人工智能·机器人
带娃的IT创业者1 小时前
《AI大模型趣味实战》基于RAG向量数据库的知识库AI问答助手设计与实现
数据库·人工智能
__Benco1 小时前
OpenHarmony - 小型系统内核(LiteOS-A)(十),魔法键使用方法,用户态异常信息说明
人工智能·harmonyos
小杨4041 小时前
python入门系列二十(peewee)
人工智能·python·pycharm