环境配置系列：

（一）Ubuntu安装详细教程（从镜像制作到NVIDIA驱动安装全流程）——超详细的图文教程
（二）Ubuntu系统Pytorch环境配置
（三）Windows系统Pytorch环境配置（简易方法安装CUDA和cuDNN）

Ubuntu20.04+GTX 1050(notebook)安装paddlepaddle

1、显卡驱动

该部分比较简单，可以参考5、安装NVIDIA驱动
使用nvidia-smi命令，可以看到当前驱动为510.85.02，支持最高CUDA为11.6

2、CUDA安装

如果你使用的是安培架构的GPU，推荐使用CUDA11以上。如果你使用的是非安培架构的GPU，推荐使用CUDA10.2，性能更优

根据查询，1050(notebook)不是安培架构，所以选择安装CUDA10.2

去官网下载CUDA 10.2

按照下图选择后，在下方会给出下载和安装命令：

wget https://developer.download.nvidia.com/compute/cuda/10.2/Prod/local_installers/cuda_10.2.89_440.33.01_linux.run
sudo sh cuda_10.2.89_440.33.01_linux.run
1
2

bug:

Failed to verify gcc version.
See log at /var/log/cuda-installer.log for details.
cat /var/log/cuda-installer.log 则会看到问题及解决方法，执行时加上 --override 来忽略gcc版本不匹配问题。

然后添加环境变量：

vim ~/.bashrc

#在最后面添加
export PATH=/usr/local/cuda-10.2/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
1
2
3
4
5

然后重启终端，使用命令nvcc -V验证CUDA：

3、安装cuDNN

根据paddle文档所说：

然后根据官网cuDNN可以看到，最佳是cuDNN7.6.5。下载时选择cuDNN Library for Linux，然后执行下面的命令：

# 为了方便，假设你的cudnn文件夹名为cuDNNFolder
1.解压下载的cuDNN的tar包. # 会解压到cuda文件夹
  $ tar -xvf cudnn-10.2-linux-x64-v7.6.5.32.tgz
  
2. 复制cuDNN文件(*代表符合该规则的所有文件)
  $ sudo cp cuDNNFolder/include/cudnn*.h /usr/local/cuda/include 
  $ sudo cp -P cuDNNFolder/lib/libcudnn* /usr/local/cuda/lib64 
  $ sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
1
2
3
4
5
6
7
8

同样的，也要在~/.bashrc中添加环境变量：

export LD_LIBRARY_PATH=/usr/local/cuda-10.2/targets/x86_64-linux/lib${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
1

成功！
后面要安装的pytorch还是paddle，都要安装适配cuda10.2的版本