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
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。
