https://blog.csdn.net/sdbyp/article/details/139853774?utm_medium=distribute.pc_relevant.none-task-blog-2defaultbaidujs_baidulandingword~default-0-139853774-blog-139606986.235v43pc_blog_bottom_relevance_base3&spm=1001.2101.3001.4242.1&utm_relevant_index=3
目录标题
其中：显卡驱动安装 可以参考https://editor.csdn.net/md/?articleId=146912421
查看 系统版本
CUDA Toolkit 12.6 Update 2 Downloads
完成
2.4 环境变量配置
以vim方式打开配置文件
sudo vim ~/.bashrc
在文件尾中加入以下两行：
export PATH="/usr/local/cuda-12.6/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-12.6/lib64:$LD_LIBRARY_PATH"
更新环境变量
source ~/.bashrc
2.5 检测CUDA是否安装成功
nvcc -V
命令行显示如上信息，表明安装成功！大功告成~
三、Miniconda
Anaconda简介：Anaconda 是一个用于科学计算的 Python 发行版，支持 Linux, Mac, Windows, 包含了众多流行的科学计算、数据分析的 Python 包。
Anaconda和Miniconda的区别：Anaconda软件包大概500MB，安装后大概3-4G，base环境包括了conda管理器、Pyhon编译器、常用的包和Spyder IDE等；Miniconda软件包大概50MB，安装后大概300MB，base环境选择只包括conda管理器和Python编译器，其他的包需要通过conda命令安装。
3.1 下载Miniconda
官网链接：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/
选择版本：
https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-py39_4.9.2-Linux-x86_64.sh
3.2 安装Miniconda
（1）开始安装。输入以下命令后，敲击回车键
sudo bash Miniconda3-py38_23.11.0-1-Linux-x86_64.sh
（2）接受条款。按着Enter不松，直到出现条款，输入yes：
(3) 输入安装路径后敲击回车键。最好指定安装路径：/usr/local/miniconda
我的忘记输入了，按默认安装的
（4）最后敲击回车键
开机启动
Do you wish to update your shell profile to automatically initialize conda?
This will activate conda on startup and change the command prompt when activated.
If you'd prefer that conda's base environment not be activated on startup,
run the following command when conda is activated:
conda config --set auto_activate_base false
3.3 配置环境
（1）配置环境变量。修改/etc/profile文件，来配置环境，添加一行（根据自己的安装路径添加）
export PATH=/usr/local/miniconda/bin:$PATH
我的忘记指定了，按默认安装路径
export PATH=/root/miniconda3/bin:$PATH
（2）配置生效。
source /etc/profile
(3) 验证是否安装成功
conda -V
若显示版本号，表明miniconda已安装成功！
然后就可以使用conda 来创建python 虚拟空间了
conda create -n ai_pyenv_3.12 python=3.12 -y \
--override-channels \
-c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main \
-c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
# To activate this environment, use
#
# $ conda activate ai_pyenv_3.12
#
# To deactivate an active environment, use
#
# $ conda deactivate
————————————————
五、关于安装cuDNN（这个坑以后再补）
cuDNN是一个基于CUDA的深度学习GPU加速库，可以提高深度学习模型在GPU上的训练速度。cuDNN不是必须安装的，但是一般会采用这个加速库。
部分深度学习框架，如PyTorch，**会自带预先编译的cuDNN**，无需手动安装。
后面我还需要安装Pytorch，所以cuDNN就没安装，需要安装的可以参考下面信息，但是不完整。
版本查看页面：https://developer.nvidia.com/cudnn-downloads
下载CUDA 12对应的cuDNN版本，这里我们选择8.9.0版本。点击该版本，显示如下，我们选择红框圈中的版本。
step4：重点！重点！重点！
大部分人在这一部就找不到libcudnn8、libcudnn8-dev、libcudnn8-samples文件，导致无法安装成功，此处如果是安装在默认路径，可以cd至/var/cudnn-local-repo-ubuntu2204-8.9.0.131/目录下查看文件：
cd /var/cudnn-local-repo-ubuntu2204-8.6.0.163/
在该目录下就会看见这三个文件，使用下方指令分别进行安装：
sudo dpkg -i libcudnn8_8.6.0.163-1+cuda11.8_amd64.deb
sudo dpkg -i libcudnn8-dev_8.6.0.163-1+cuda11.8_amd64.deb
sudo dpkg -i libcudnn8-samples_8.6.0.163-1+cuda11.8_amd64.deb
终端打印如下：
step5：查看cuDNN安装结果：
cat /usr/include/x86_64-linux-gnu/cudnn_version_v8.h | grep CUDNN_MAJOR -A 2
打印版本号,安装成功了。
至此安装完成。
————————————————
四、安装Pytorch
4.1 选择合适Pytorch版本
链接：https://pytorch.org/get-started/previous-versions/
注意：执行nvidia-smi命令，确认 cuda 版本需要大于等于pytorch安装的对应版本
打开终端（ctrl+alt+t），输入上述命令，即完不安装。
我的：
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126
其他：
pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cu121
pytorch 下载太慢解决 见下文
检查安装是否成功
python -c "import torch; print(torch.cuda.is_available())"
输出True 这说明 GPU版本的pytorch安装成功
前面的 （myenv） 是python的虚拟环境：参见 https://blog.csdn.net/nalanxiaoxiao2011/article/details/146916168
方式二、编写 Python 脚本验证
在文本编辑器中创建一个新的 Python 文件，例如 test_pytorch.py。
在文件中输入以下代码：
python
import torch
try:
import torch
print("PyTorch 安装成功！")
print(f"PyTorch 版本: {torch.__version__}")
print(f"CUDA 是否可用: {torch.cuda.is_available()}")
except ImportError:
print("PyTorch 未安装成功。")
保存文件，然后在命令行终端中导航到该文件所在的目录，运行 python test_pytorch.py 命令。根据输出结果判断 pytorch 是否安装成功以及相关信息。
