【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
$①$ 选择合适的miniconda版本(假定用latest)；
$②$ 用sh安装，先用wget下载文件；

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh

$③$ bash按照指引安装；

bash Miniconda3-latest-Linux-x86_64.sh

---

🌔02
CUDA

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

chmod +x cuda_11.8.0_520.61.05_linux.run
./cuda_11.8.0_520.61.05_linux.run

$③$ 创建软连接；

cd /usr/local
ln -s cuda-11.8 cuda

$④$ 设置.bashrc；

# 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
$①$ 根据cuda版本选择cudnn版本；
$②$ 使用deb安装(以cudnnn8.9.7为例)；

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/
# 如果apt update没有出现cudnn有关的信息，则见④
sudo apt update 
sudo apt install libcudnn8
sudo apt install libcudnn8-dev
sudo apt install libcudnn8-samples

$③$设置.bashrc；

# cudnn
export CUDNN_HOME=/usr/lib/x86_64-linux-gnu

$④$补充说明（可选）：

# 验证安装
dpkg -l | grep libcudnn
# 卸载
sudo apt-get purge libcudnn8
sudo apt-get purge libcudnn8-dev
sudo apt-get purge libcudnn8-samples

# apt update无效的解决方案
cd /etc/apt/sources.list.d
sudo gedit cudnn-local-repo-ubuntu2204.list
# 文件内填入
deb [signed-by=/usr/share/keyrings/cudnn-local-8AE81B24-keyring.gpg] \
file:/var/cudnn-local-repo-ubuntu2204-8.9.7.29 /
# 保存编辑，会到终端
sudo apt update

---

🌔04
TensorRT

TensorRT Download
$①$ 根据cuda版本选择tensorrt版本；
$②$ 使用tar安装(以tensorrt8.6.1为例)；

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

$③$ 创建软连接；

cd /usr/local
ln -s TensorRT-8.6.1.6 TensorRT

$④$ 设置.bashrc；

# 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

$⑤$ 安装tensorrt python；

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。

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(WSL环境，其他的类似)。

# >>> proxy set >>>
proxy_on_WSL()  
{
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_on() 
{
export http_proxy="http://127.0.0.1:7890"
export https_proxy="http://127.0.0.1:7890"
export all_proxy="socks5://127.0.0.1:7890"
echo "代理已开启，当前代理 IP: 127.0.0.1:7890"
}

proxy_off() 
{
unset http_proxy
unset https_proxy
unset all_proxy
echo "代理已关闭"
}
# <<< proxy set <<<