ubuntu18.04系统双显卡笔记本安装nvidia-driver、cuda-toolkit、cuDNN、pytorch
软硬件版本双显卡笔记本安装nvidia-driver和CUDA的思路关于驱动、cuda、cuda-toolkit、cuDNN的说明Nvidia-Driver和CUDA的安装显卡切换脚本cuDNN安装Anaconda 安装安装Pytorch软硬件版本
已有：电脑：hp暗影精灵4显卡：核显+GTX-1050ti双系统：win10+ubuntu18(在ubuntu下安装)ubuntu系统：18.04.3 LTS (Bionic Beaver)，64位内核版本：5.3.0-51-genericGCC版本：(Ubuntu 7.5.0-3ubuntu1~18.04) 7.5.0安装：Nvidia-Deriver版本：440.33.01CUDA版本：10.2cuDNN版本：7.6.5.32Anaconda3版本：.02Pytorch版本：1.5.0
双显卡笔记本安装nvidia-driver和CUDA的思路
本人尝试若干种方法安装nvidia-driver(包括：禁用Nouveau、不安装opengl库、使用apt-get自动安装、使用系统程序“软件和更新”安装、使用CUDA-ToolKit同时安装驱动和cuda等)，均无法解决循环登陆\登陆界面卡住这个问题。
于是决定退而求其次：在关机前使用sudo prime-select intel命令将显卡切换为核显，从而保证开机时可以登陆进入图形界面。开机后，使用sudo prime-select nvidia命令，切换为独显，从而使用cuda。
当然，为了操作方便，我们将使用脚本自动完成这个切换任务。
关于驱动、cuda、cuda-toolkit、cuDNN的说明
参考marsggbo的博客
显卡驱动Nvidia-Driver:
1，安装方式：1，独立安装2，在安装Cudatoolkit时，自动安装2，安装后，同时安装了cuda的driver-api，所以使用nvidia-smi能看到cuda版本
CUDA:
1，CUDA是一个并行计算平台和编程模型，能够使得使用GPU进行通用计算变得简单和优雅2，有两个主要的API：driver-api和runtime-api。支持driver-api的文件是在安装Nidia-Driver时安装的，支持runtime-api的文件是在安装CUDA-toolkit时安装的。因此，驱动和CUDA-toolkit分开安装时使用nvidia-smi看到的cuda版本(driver-api)和使用nvcc -V看到的cuda版本(runtime-api)可能不一致3，安装：1，driver-api部分：在安装Nvidia-Driver时同时安装2，runtime-api部分：在安装CUDA-toolKit时同时安装3，安装CUDA-ToolKit时可以选择同时安装Nvidia-Driver，此时将先后安装driver-api部分和runtime-api部分。
CUDA-ToolKit:
包含nvcc，cuda-driver等。安装与：系统、内核、GPU型号有关
cuDNN:
Deep Neural Network library，CUDA的一个库
Nvidia-Driver和CUDA的安装
官方安装文档链接
CUDA安装对Nvidia-Driver的版本有要求，因此，为了方便，我们选择在安装CUDA时同时安装Nvidia-Driver。当然分开安装也是可以的。
注：下面在表述上不区分CUDA和CUDA-ToolKit。
1，首先卸载之前的安装：
//卸载显卡驱动：sudo /usr/bin/nvidia-uninstall//由于显卡驱动的安装方式不同，使用上述命令可能找不到nvidia-uninstall，此时可采用：sudo apt-get purge nvidia*//卸载CUDA//将下面cuda-10.2换成你已安装的cuda版本sudo /usr/local/cuda-10.2/bin/cuda-uninstaller
2，下载CUDA，CUDA10.2下载链接
我们采用runfile的方式安装，选择系统版本、位数、runfile(local)
下面将给出安装命令：
执行第一个命令，下载安装文件(也可以复制第一个命令中的网址，打开，下载)
3，禁用Nouveau
很早之前就禁用了，也没有测试采用本文的安装方法是不是必须执行禁用操作。感觉不禁用应该也可以，如果有哪位朋友(核显+独显)采用本文方法不禁用也成功了，烦请留言告知，不胜感激。
//打开文件sudo vim /etc/modprobe.d/blacklist.conf//在打开的文件中添加下面两行，保存。blacklist nouveauoptions nouveau modeset=0//重启电脑//打开命令行执行下面的命令，若无输出则禁用成功lsmod | grep nouveau
4，关闭图形界面
关于桌面环境：gdm、lightdm等的介绍，请参考sole_cc的博客
//执行下面的命令，查看自己的图形界面是哪一个。在出现的进程树中查看，出现哪个名字，就是哪个桌面环境。这个查看方法可能有点笨，但我没找到其他方法pstree
可见我的是gdm3
//重启电脑，不要登陆图形界面，按ctrl+alt+F3进入命令行模式，登陆。//关闭图形界面sudo service gdm3 stop
5，安装
//进入到包含之前下载的安装文件的路径下，执行(可能要等一会儿才有显示)。//一切选项默认(同时安装驱动，不用去掉opengl的安装选项)。sudo sh cuda*
6，设置环境变量
我们选择添加到系统变量，因此写入到/etc/profile，添加到用户环境变量应该也可以。关于/etc/profile和~/.bashrc的区别请参考来自外星的一只猿的博客
//sudo vim /etc/profile//加入下面两行 export PATH=/usr/local/cuda-10.2/bin:/usr/local/cuda-10.2/nsight-compute-.5.0${PATH:+:${PATH}}export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
7，切换到核显
sudo prime-select intel
8，开启图形界面
sudo service gdm3 start
9，重启，登陆到图形界面。切换到独显
sudo prime-select nvidia
10，检查安装是否成功
执行nvidia-smi，应出现：
执行nvcc --version，应出现：
安装完成。
10，可能出现的问题
NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver
解决办法，参考博客
//安装DKMSsudo apt-get install dkms//重新生成对应nvidia的驱动模块, -v后面的是安装的驱动版本sudo dkms install -m nvidia -v 440.33
显卡切换脚本
为了避免手动在关机前使用sudo prime-select intel命令将显卡切换为核显，在开机后使用sudo prime-select nvidia命令切换为独显。我们通过开机自动执行和关机自动执行的脚本完成这个任务。
开关机脚本的编写参考了枫安Maplean 的博客
脚本内容:
#!/bin/bash### BEGIN INIT INFO# Provides:# Required-Start:# Required-Stop:# Default-Start: 2 3 4 5# Default-Stop:0 1 6# Short-Description:# Description: ### END INIT INFOcase "$1" instart)prime-select nvidia;;stop)prime-select intel;;*);;esac
脚本创建：
//进入init.d目录cd /etc/init.d///创建脚本sudo touch my_nvidia_intel_select将上述脚本内容复制到my_nvidia_intel_select//赋予脚本可执行权限chmod a+x my_nvidia_intel_select//创建软链接ln -s /etc/init.d/my_nvidia_intel_select /etc/rc0.d/K99my_nvidia_intel_selectln -s /etc/init.d/my_nvidia_intel_select /etc/rc1.d/K99my_nvidia_intel_selectln -s /etc/init.d/my_nvidia_intel_select /etc/rc2.d/S99my_nvidia_intel_selectln -s /etc/init.d/my_nvidia_intel_select /etc/rc3.d/S99my_nvidia_intel_selectln -s /etc/init.d/my_nvidia_intel_select /etc/rc4.d/S99my_nvidia_intel_selectln -s /etc/init.d/my_nvidia_intel_select /etc/rc5.d/S99my_nvidia_intel_selectln -s /etc/init.d/my_nvidia_intel_select /etc/rc6.d/K99my_nvidia_intel_select
重启:
//创建脚本后的第一次关机/重启前要手动执行"udo prime-select intel"//因为此时脚本的开机部分还未执行，如果直接关机/重启则关机部分也不会执行sudo prime-select intelreboot
今后关机前将自动执行脚本，切换到核显，开机后将自动切换到独显，无需进行任何手动操作。
cuDNN安装
官方安装文档
文档中给出了3中安装方法：tar文件安装、deb文件安装、RPM文件安装，本人选用了tar文件安装。
下载tar安装文件，cuDNN下载地址，需要注册一个NVIDIA Developer Program账号。
下载这个：
//解压文件tar -xzvf <filename>.tgz//将cuda/include/cudnn.h和cuda/lib64/下的文件复制到相应文件夹下sudo cp cuda/include/cudnn.h /usr/local/cuda/includesudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64//给上一步中复制的文件权限sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*//添加环境变量//在/etc/profile中添加：export CUDA_HOME=/usr/local/cuda//重启(好像不重启也成)
验证是否安装成功
官方文档中没有给出使用tar文件安装的验证方法，此处参考了Zachary Yu 的博客中的方法
//执行下面的命令cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
若出现：
则成功安装cuDNN
Anaconda 安装
pytorch官网给出了Miniconda3最新版的安装方法，Miniconda3是Anaconda的简化版本，关于conda\Anaconda\Miniconda的区别与联系可参见bboysky45 的博客
Mimiconda的安装：
//下载安装脚本，也可以在官网手动下载curl -O /miniconda/Miniconda3-latest-Linux-x86_64.sh//执行安装脚本sh Miniconda3-latest-Linux-x86_64.sh
本人没有按照pytorch官网的做法安装Miniconda，而是安装了Anaconda
安装过程参考官方文档
Anaconda的安装：
//1，去官网手动下载安装脚本//网址：/products/individual//执行安装脚本bash ~/Downloads/Anaconda3-.02-Linux-x86_64.sh//安装过程的选项：//1，路径选择默认//2，“Do you wish the installer to initialize Anaconda3 by running conda init?” 选择“yes”.
安装Pytorch
打开pytorch官网，选择系统、Conda、Python，CUDA版本，即可获得pytorch安装命令，在此页面向下翻，可以看到官方安装指导。
打开一个终端，安装
//打开conda的base环境conda activate base//运行安装命令，选项均默认conda install pytorch torchvision cudatoolkit=10.2 -c pytorch
安装过程需要下载四个文件，其中torchvision往往会因为网络问题无法下载，如下图：
导致安装失败：
解决方法：
1，保证网络能翻墙
2，设置网络代理为自动：
然后再次运行安装命令，将会完成torchvsion的下载，继续安装：
至此安装完成
验证：
