实验室服务器从零配置深度学习环境记录（RTX 3090+Ubuntu 20.04+显卡驱动+CUDA 11.1+cudnn v8.1.0+Tensorflow 2.5.0+Pytorch 1.8.1）

目录

前言

0. 版本匹配

1. Ubuntu 20.04

1.1 安装前准备

1.2 制作 Ubuntu 启动盘

1.3 安装 Ubuntu 到服务器

1.4 扩展磁盘分区并挂载到 /home目录

2. 显卡驱动

3. CUDA

4. cudnn

5. Linux的一些操作

6. Tensorflow

7. Pytorch

---

前言

最近第二次给实验室的服务器配置深度学习环境，很多步骤都忘了，又得找出各种地方收藏的帖子拼凑着看，还有一些新坑要查，就想写一篇总结记录，留着下次操作的时候方便查阅。

以下步骤有很多方法可以达到目的，我只是选择了其中一种，仅供参考。绝大多数步骤都止于完成目的，没有深刻的理解。如有疏漏，还请朋友们指正。

0. 版本匹配

配置之前需要清楚显卡型号，以及对应的操作系统、显卡驱动、CUDA、cudnn、Tensorflow 和 Pytorch 的版本。举我自己的例子，服务器的显卡型号为3090，也就是NVIDIA GeForce RTX 3090。

1、在 nvidia 官网查询适合显卡的驱动：NVIDIA 驱动程序下载

2、查询 Tensorflow 对应的 CUDA、cudnn 以及 Pytorch 对应的 CUDA 版本：

 从源代码构建  |  TensorFlow (google.cn)

Previous PyTorch Versions | PyTorch

3、查询 CUDA 所支持的驱动和系统版本：CUDA Toolkit Archive | NVIDIA Developer

综上，选择的版本如标题所示，其实当时 tensorflow 2.5.0 和 pytorch 1.8.1 官网还没写相关信息，我是一个一个版本重装试出来的（笨比）。

1. Ubuntu 20.04