ubuntu16.04 配置显卡驱动+cuda8.0+cudnn+pytorch
1. 在线安装显卡驱动
1.ubuntu桌面左上角设置 -> system setting -> software&apdates -> additional drivers -> using NVIDIA binary driver
2.安装完以后 终端输入nvidia-smi验证驱动是否装好
2. 离线安装cuda
1找到 cuda_8.._linux.run和 cuda_8..._375.26_linux.run 所在文件夹
2. 键入 ctrl+ shift +F1 进入命令行界面，输入sudo service lightdm stop关闭图形界面。
3. 在命令行界面输入sudo bash cuda_8_.._375.26_linux.run
注意： 在安装过程中，会询问是否需要装显卡驱动 输入 n (避免重复安装显卡驱动), 其余都选y
4.安装完以后， 输入 ls可以查看文件列表，通过sudo bash ***.run在执行安装另一个 cuda文件，一直 enter 直到安装完成
5.启用图像界面 sudo service lightdm start即可进入
3. 安装cudnn
- 进入cudnn官网，登录后点击 Downloadcudnn 下载cuDNN v7.1.3 for CUDA 8.0中的对应16.04的3个Deb文件.（也可以通过
.tzr文件安装，但我更偏向用deb文件，比较方便。
（若已下载，直接在文件所在文件夹打开终端进行第2步骤） - 下载完以后点击下载页面的 Installation Guide 按照2.3.2的方法进行安装
sudo dpkg -i libcudnn7_7(Tab键)
sudo dpkg -i libcdnn7-dev(Tab键)
sudo dpkg -i libcdnn7-doc(Tab键)
注:在终端下，通过tab键可以快速补全，避免输入错误
4. 配置环境变量
1.终端输入sudo gedit /etc/profile
在末尾加入
PATH=/usr/local/cuda-8.0/bin:$PATH
export PATH 然后保存
2.保存后，创建链接文件
sudo gedit /etc/ld.so.conf.d/cuda.conf
增加下面一行
/usr/local/cuda-8.0/lib64
然后在终端输入sudo ldconfig使链接生效。
5. 离线安装cond
打开 anaconda所在文件 打开终端 输入 bash Anaconda3-5.1.0-linux-x86_64.sh
注意：VScode 输入no
6. 配置pytorch
若是在线安装打开终端，输入 conda install pytorch torchvision -c pytorch
若是已下载好pytorch文件，离线安装，打开离线包所在地，打开终端，输入 pip install torch-***.whl （Tab键）
并通过pip install 方式安装torchvision.
注：推荐采用离线安装方式
7. 测试pytorch
在终端窗口中输入
import torch
torch.cuda.is_available()如果出现的是True就说明已成功安装好了pytorch并正确识别了cuda
8. 感悟
Cuda是NVIDIA公司用于显卡计算支持的一个开发库，而Cudnn是在Cuda的基础上，为了深度学习而开发的运行库，其本质就是.h头文件，.lib和.dll(Windows下)和.so（Linux下)的一系列的库。我们配置cuda和cudnn，除了安装的过程，就是修改系统的环境变量path以及建立各种链接，使得能够被识别的过程。
修改环境变量的方式不止一种，其实我个人更习惯于在.bashrc中修改，完成后保存并通过source .bashrc生效的方式，这一种和上面所写的方法，就体验上而言并无本质差别，具体的可以自行百度Linux环境变量。
另外，pytorch是一个简洁的深度学习框架，相比起来tensorflow，我感觉pytorch更适合用来做学术。而随着caffe2的代码全部并入pytorch，我坚信pytorch会越来越火。其识别和调用显卡，也是要根据系统的环境变量和各种链接去找到。
深度学习不易，且行且珍惜。