记录一下我这儿用到的组建：ubuntu18+Anaconda+2070super驱动+cudaToolkit10.2+Pytorch1.5
踩坑注意
- 首先装驱动建议选稳定版本的驱动，然后驱动的时候CUDA好像就安装好了，不过这个CUDA是最新的，有可能pytorch还没适配上，所以要调整一下CUDA（截止到更新，最新CUDA是11.2，pytorch用的是11.0）
- 装完CUDA要看对应的cudnn，这个要和CUDA对应，好像
11.0、11.1、11.2对应的cudnn是一样的。 - CUDA和cudnn我是装到了根目录，然后因为根目录留的空间不够，所以报了空间不足的错，建议留出足够多的空间用于安装。
- 最后装pytorch没啥好说的，反正目前中科大源没有了，如果有的话可以几个源ping一下看看哪个快。
20感觉有些地方还是不兼容，不是非常顺手。换回18了
一共分为几步，参考：https://blog.csdn.net/gdymind/article/details/82153643
安装Anaconda（没有程序需求可以装miniconda）
从官网下sh版本的直接安装在自己的家目录
安装完在家目录下面会有一个anaconda文件夹
在ubuntu上安装好anaconda后，如果输入conda命令报错，大概率是没有把conda加入环境变量
所有可执行二进制文件都存放在：~/anaconda3/bin
在终端输入：sudo gedit ~/.bashrc (命令行模式可以使用vim ~/.bashrc进行打开，如果只是在自己的家目录操作好像不需要使用sudo)
在 ~/.bashrc最后一行加入 export PATH=~/anaconda3/bin:$PATH 然后保存退出
命令行界面输入source ~/.bashrc激活环境
测试：
(rna) dicklim@ubuntu:~$ conda -V
conda 4.8.2
在ubuntu实机上测试了可以使用
配置Anaconda（20200524测试可用）
配置过程主要就是替换channel，因为官网channel太慢了，所以改用清华的源。
清华镜像站里的方法，不是非常好，用生成condarc之后去改，我试了几次没成功，所以我我还是决定用命令行模式来修改
基本语法：conda config --add channels https:// 后面跟要加的url
下面贴一些比较常用的命令：
# Anaconda Python 免费仓库
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
# Conda Forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
# msys2
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
# bioconda
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
# menpo
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
# pytorch
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
# for legacy win-64
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/
# 这句代码感觉不是必要
conda config --set show_channel_urls yes
这儿加镜像我觉得是要啥加啥，没必要直接全加（不知道会不会拖慢速度）
像free和main都是必要的，剩下pytorch是深度学习用的，bioconda是生信的，conda-forge查了一下是个更快的社区之类的？
最后那个show_channel_urls好像是在家目录生成一个url文件，感觉这句代码不是非常必须。
安装Nvidia 驱动
这步反正就是去官网下载需要的组件，这个没啥好说的
- 一个特殊的做法：ubuntu中有个软件和更新-->附加驱动，里面可以显示可按转的驱动，我这儿是440的测试版和435的稳定版。我装的稳定版（啊下的好慢，下次一定要配好ssr再整活。）
测试：glxinfo | grep rendering 如果显示yes就是下好了，如果显示没这个命令就用sudo apt-get install mesa-utils安装。
这儿要把用户调成需要密码登陆，不然会和驱动冲突，然后无限重启。
还有个避免无限登陆的方法：是手动用run文件升级，留个参考：
https://blog.csdn.net/lihe4151021/article/details/90083431
进入tty1界面可能会出现中文乱码，解决方案
https://blog.csdn.net/lihe4151021/article/details/90048918
安装CUDA Toolkit
装pytorch的时候好像会直接装cuda所以这个似乎可以省略？
这个去网站https://developer.nvidia.com/cuda-toolkit
选好对应的版本下载就行了，我选的10.2因为Pytorch上只有10.2的我不知道更新的11支持不支持。
然后找到对应需要的配置之后按照那串代码下就行了。
我选的Linux-->x86_64-->Ubuntu-->18.04-->deb（惊！不知道20能不能用）最后还是换回18了
好的我装完了，因该是可以的，那就凑和着用了。（1.7G，我心疼的抱住我的小硬盘呜呜呜
）
测试：
(base) dick@dick-System-Product-Name:~$ cat /usr/local/cuda/version.txt
CUDA Version 10.2.89
然后是cuDNN
绝望怎么这个也可以在清华源下，那就是说也许可以conda install cudnn？
好像是要的，我就装一下试试
https://developer.nvidia.com/rdp/cudnn-download在这儿找到要的对应的包，我是for CUDA 10.2，还是下的ubuntu18.04的版本，下那个Runtime Library。
下下来是个deb包，然后用dpkg安装
命令是：sudo dpkg -i <name>
验证可以在python里验证
最后是Pytorch了
直接去官网找到命令复制过来就行了。
conda install pytorch torchvision cudatoolkit=10.2
注意原本指令里面是有-c pytorch的，导致channel首选pytorch，为了全从清华源下，这个-c要去掉
这玩意换了清华源因该 问题不大，刚刚冒出来一个HTTP 000 CONNECTION FAILED for url，估计是网络波动，再试一下就好了。
好吧pytorch还是下的慢，然后在安装里面会显示要装哪个版本，去清华源把对应的版本下下来。
我差pytorch和cuda toolkit（虽然我配置过cuda不过他要那就只能重弄了）
我找的是
然后是
conda install ./pytorch-1.5.0-py3.7_cuda10.2.89_cudnn7.6.5_0.tar.bz2
conda install ./cudatoolkit-10.2.89-hfd86e86_1.conda
Python验证程序
import torch
# 若正常则静默
a = torch.tensor(1.)
# 若正常则静默
a.cuda()
# 若正常则返回 tensor(1., device='cuda:0')
from torch.backends import cudnn
# 若正常则静默
cudnn.is_available()
# 若正常则返回 True
True
cudnn.is_acceptable(a.cuda())
# 若正常则返回 True
True
