ubuntu20.04显卡1080ti安装cuda和cudnn

0Ubuntu升级内核后显卡丢失的处理

（1）先删除显卡驱动 

sudo apt-get purge nvidia* 

（2）再自动安装

sudo ubuntu-drivers autoinstall

（3）再重启

sudo reboot

-----------------------------------------------------------------------------

---

 

1/参考了

https://blog.csdn.net/weixin_37926734/article/details/123033286

2、显卡驱动安装

（1）安装驱动

sudo ubuntu-drivers autoinstall

3、安装cuda

（2）安装cuda可以用迅雷下载了再安装

wget https://developer.download.nvidia.com/compute/cuda/11.7.0/local_installers/cuda_11.7.0_515.43.04_linux.run

sudo sh cuda_11.7.0_515.43.04_linux.run

参照最上面的教程进行安装，安装后进行配置

CUDA安装完成后，需要配置变量环境才能正常使用。首先在终端输入sudo gedit ~/.bashrc打开如下图所示的.bashrc文件。
然后，如下图所示在.bashrc文件的最后添加以下CUDA环境变量配置信息

sudo gedit ~/.bashrc

在最后面输入

export PATH=$PATH:/usr/local/cuda/bin  
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64  
export LIBRARY_PATH=$LIBRARY_PATH:/usr/local/cuda/lib64

最后输入

source ~/.bashrc

而后输入下面命令查看是否安装成功

nvcc -V
#查看CUDA的安装信息

4、安装cudnn

https://developer.nvidia.com/rdp/cudnn-archive

下载了.deb的包（上面2个包都可以用迅雷下载）

sudo dpkg -i cudnn-local-repo-ubuntu2004-8.4.1.50_1.0-1_amd64.deb

正在选中未选择的软件包 cudnn-local-repo-ubuntu2004-8.4.1.50。
(正在读取数据库 ... 系统当前共安装有 204785 个文件和目录。)
准备解压 cudnn-local-repo-ubuntu2004-8.4.1.50_1.0-1_amd64.deb  ...
正在解压 cudnn-local-repo-ubuntu2004-8.4.1.50 (1.0-1) ...
正在设置 cudnn-local-repo-ubuntu2004-8.4.1.50 (1.0-1) ...

The public CUDA GPG key does not appear to be installed.
To install the key, run this command:
sudo cp /var/cudnn-local-repo-ubuntu2004-8.4.1.50/cudnn-local-E3EC4A60-keyring.gpg /usr/share/keyrings/

sudo cp /var/cudnn-local-repo-ubuntu2004-8.4.1.50/cudnn-local-E3EC4A60-keyring.gpg /usr/share/keyrings/

而后到/var/cudnn-xxx目录下面

sudo dpkg -i libcudnn8_8.4.1.50-1+cuda11.6_amd64.deb
sudo dpkg -i libcudnn8-dev_8.4.1.50-1+cuda11.6_amd64.deb
sudo dpkg -i libcudnn8-samples_8.4.1.50-1+cuda11.6_amd64.deb

先安装以下依赖，再测试以下是否安装成功了，否则可能提示： cudnn  fatal error: FreeImage.h: 没有那个文件或目录

sudo apt-get install libfreeimage3 libfreeimage-dev

而后进入/usr/src/cudnn_samples_v8/mnistCUDNN/ 中

sudo make clean
sudo make

最后测试以下

./mnistCUDNN

出现 Test passed！ 代表 cudnn 正常使用

5、安装tensorrt

（1）可以迅雷下载自己想要的

https://developer.nvidia.com/nvidia-tensorrt-8x-download

TensorRT-8.4.3.1.Linux.x86_64-gnu.cuda-11.6.cudnn8.4.tar.gz 

 （2）在home下面建一个tensorrt目录以后就不动了，先解压

tar xzvf TensorRT-${version}.Linux.${arch}-gnu.${cuda}.${cudnn}.tar.gz

（3）根据自己的真实情况然后添加环境变量:设置路径

sudo gedit ~/.bashrc 
# 换成你自己的路径 
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:<TensorRT-${version}/lib> 
如：
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/home/chen/tensorrt/TensorRT-8.4.3.1/lib
 
# 保存关闭 
source ~/.bashrc

（4）先安装anaconda然后创建虚拟环境，再安装下面的操作。

主要参考了

https://blog.csdn.net/laizi_laizi/article/details/121567609

因为主要之后用的是python API,然后选择你虚拟环境对应的python版本的用pip安装:

另外两个包也可以安装一下:

cd TensorRT-${version}/graphsurgeon
python3 -m pip install graphsurgeon-0.4.5-py2.py3-none-any.whl

cd TensorRT-${version}/onnx_graphsurgeon
python3 -m pip install onnx_graphsurgeon-0.3.12-py2.py3-none-any.whl

通常xxx\TensorRT-x.x.x.x\下也有uff，是用于转化tensorflow的模型的，不用tf的话就不用安装了

（5）测试
上面都完事了可以编译测试一下:
我这边因为是最新版的trt，所以里面已经有了测试图片(以.pgm结尾的，所以也没有download_pgms.py文件了):

只需要简单的切换到samples/sampleMNIST下make一下就行

(open-mmlab) lz@lz:~/Downloads/TensorRT-8.2.1.8/samples/sampleMNIST$ make

在
~/tensorrt/TensorRT-8.4.3.1/samples/sampleMNIST$ 
下面使用
make

然后返回bin目录，运行一下就通过测试了

cd ../../bin/
./sample_mnist