【深度学习环境】Linux下安装、切换cuda和cudnn_linux安装cuda和cudnn_JianJuly的博客

选择CUDA版本号

需要考虑的有两点:
（1）pytorch适配
 https://pytorch.org/get-started/locally/
（2）显卡驱动适配
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
安装cuda

打开下载链接
选择操作系统、架构、版本、安装方式
ps：如果要选择非最新版本cuda, 点击下方的 legacy releases
输入 Installation Instructions 中的指令获取安装包并开始安装
### 获取安装包
wget http://developer.download.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda_10.1.243_418.87.00_linux.run
### 开始安装
sudo sh cuda_10.1.243_418.87.00_linux.run
首先会出现一系列协议，一直按住Enter键。之后会出现一系列选项。
第一个选择accept
第二个记得取消驱动选项.
后面全部选择y
 
  
设置cuda环境变量
 输入 sudo gedit ~/.bashrc 打开主目录下的.bashrc文件添加如下内容: 
### 注意 10.1为版本号，应当替换为刚刚下载的版本
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.1/lib64
export PATH=$PATH:/usr/local/cuda-10.1/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-10.1
终端运行：source ~/.bashrc 使之生效
检查是否安装成功:
 输入nvcc --version，如果显示如下文字就说明安装成功
 
如果显示错误，注销一下用户 
安装cudnn
 
打开下载链接，选择相应的版本并下载。选择方法可参考https://blog.csdn.net/MumuziD/article/details/118760650，建议直接选择cuDNN Library for Linux (x86_64)
进入cudnn压缩包所在的文件夹，解压文件 
tar -xvf cudnn-10.1-linux-x64-v7.6.4.38.tgz
将文件拷贝到相应cuda目录下 
### 注意 10.1为版本号，应当替换为刚刚下载的版本
### 注意安装过程中不要随意切换路径
sudo cp cuda/include/cudnn.h /usr/local/cuda-10.1/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.1/lib64/
sudo chmod a+r /usr/local/cuda-10.1/include/cudnn.h
sudo chmod a+r /usr/local/cuda-10.1/lib64/libcudnn*
查看cudnn版本 
### 注意 10.1为版本号，应当替换为刚刚下载的版本
cat /usr/local/cuda-10.1/include/cudnn.h | grep CUDNN_MAJOR -A 2
出现如下的信息，则为配置成功
  
如果上述操作无显示，可能是因为cuda及cudnn版本比较新（如cuda 11.3 + cudnn 8.2），cudnn的版本信息存储在cudnn_version.h文件中。因此需要添加如下操作： 
sudo cp cuda/include/cudnn_version.h /usr/local/cuda-11.3/include/
sudo chmod a+r /usr/local/cuda-11.3/include/cudnn_version.h
并使用如下指令查看cudnn版本 
cat /usr/local/cuda-10.1/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
切换cuda版本
 
如果有安装多个cuda, 只需修改.bashrc文件中的版本号即可随意切换cuda版本。具体方法见安装cuda一节中的 5. 设置cuda环境变量 
https://blog.csdn.net/sss_369/article/details/94591280
https://blog.csdn.net/wanzhen4330/article/details/81699769
https://zhuanlan.zhihu.com/p/35834028
                    安装cuda打开下载链接 ，点击Download Now选择操作系统、架构、版本、安装方式ps：如果要选择非最新版本cuda, 点击下方的legacy releases输入Installation Instructions中的指令获取安装包并开始安装### 获取安装包wget http://developer.download.nvidia.com/compute/cuda/10...
我们在用不同框架做深度学习时，难免会遇到需要不同版本的cuda和cudnn版本的情况，如果把原来版本的卸载掉重新安装新版本，则会影响其它框架的使用，最好的方法是在主机上安装多个版本的cuda和cudnn，需要用到哪种就切换到哪种，这样就免去了重复卸载安装的工作
关于tensorflow对应的cuda和cudnn版本，参考官网链接，注意在1.13以上版本的tensorflow，都需要用...
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/    #解压后的文件夹名为cuda
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ 
sudo ch..
				Linux（多用户下）调用GPU训练查看cuda版本等相关命令① 查看GPU使用情况：② 查看 CUDA 版本：③查看 CUDNN 版本：④ 不同版本cuda的切换（待更新）。。。。。
① 查看GPU使用情况：
nvcc -V # (V大写)
② 查看 CUDA 版本：
cat /usr/local/cuda/version.txt
				Linux安装cuda、cudnn
安装cuda
CUDA Toolkit Archive | NVIDIA Developer  选择runfile格式的CUDA文件下载
wget https://developer.download.nvidia.com/compute/cuda/11.6.1/local_installers/cuda_11.6.1_510.47.03_linux.run
sudo sh cuda_11.6.1_510.47.03_linux.run
添加新的cuda到环境变量:
				1.首先安装nvidia显卡驱动:
系统设置->软件更新->附加驱动->选择nvidia最新驱动(361)->应用更改
2.下载CUDA8.0地址https://developer.nvidia.com/cuda-release-candidate-download(需要登陆)
3.安装cuda 
sudo dpkg -icuda-repo-ubuntu1604-8-0-rc_8.0.2
nvcc: NVIDIA (R) Cuda compiler driver
Built on Fri_Sep__1_21:08:03_CDT_2017
Cuda compilation tools, release 9.0, V9.0.176
                    博主举的这个例子和您上面的叙述不是特别匹配，这里我再举另外一个例子：
[code=python]
data1 = np.array([[1,1,1],[1,1,1],[1,1,1]])
arr2=np.array(data1)
arr3=np.asarray(data1)
data1[1][1]=2
print ('data1:\n',data1)
print ('arr2:\n',arr2)
print ('arr3:\n',arr3)
id(data1) 1497560106544 data1:
 [[1 1 1]
 [1 2 1]
 [1 1 1]]
id(arr2) 1497916396912 arr2:
 [[1 1 1]
 [1 1 1]
 [1 1 1]]
id(arr3) 1497560106544 arr3:
 [[1 1 1]
 [1 2 1]
 [1 1 1]]
Process finished with exit code 0
[/code]
因此，结论为：对于非ndarray，np.asarray和np.array没有区别，都会新开辟内存；而对于ndarray来讲，np.array会开辟内存，而np.asarray不会。