这里主要针对驱动已经安装好了的环境，如何安装合适的显卡驱动这里不多赘述，本文演示的系统为Ubuntu18.04，但理论上其他Linux发行版操作类似。

驱动适配

通过命令行输入nvidia-smi查看自己的显卡驱动版本以及支持的最大CUDA版本，下图第一行就显示了这些信息，可以看到，最大支持CCUDA10.2，更高版本的CUDA需要升级驱动程序。

安装包下载

CUDA的安装可以访问官网开发者工具中找到，链接给出，此时显示的结果如下，这是最新的CUDA11，点击右侧的红框选择历史版本。

找到CUDA10.2，按照需求进行选择，然后安装指示使用wget或者浏览器下载runfile文件。

CUDNN的下载也类似，链接也给出，这个下载需要注册开发者账号（简单几步注册登录即可），然后如下图选择合适的CUDA版本对应的CUDNN并选择CUDNN Library for Linux。这里注意，推荐的是CUDNN8.0.2，事实上，还有一个7.6.5更合适一些，点开Archived菜单查找，后者更稳定。

安装

CUDA安装

下面的步骤先看完再做。

首先，通过下面的命令关闭图形界面管理器，如果你的图形管理器使用的是gdm3那么将命令中的lightdm换成gdm3即可。

sudo service lightdm stop

此时，桌面环境会关闭，通过快捷键Ctrl+Alt+F1进入命令行界面，输入用户名和密码登录，然后找到之前下载的cuda文件（切换到该文件所在目录下），执行下面的命令。

sudo sh cuda_*.run

此时会进入安装，下面的过程不便截图，描述一下：首先，会询问显示管理器仍有开启，是否继续安装，这里选择continue；然后，会列出一个列表要求选择想要安装的内容，这里将第一个驱动安装的部分回车一下将那个x取消，只安装cuda tool kit即可；之后，方向键选择下面的Install进行安装，最后安装成功后会有一个提示。

这时候cuda是安装好了，但是环境变量找不到cuda程序，自己手动修改环境变量文件，通过vim或者gedit修改，对应命令分别为vim ~/.bashrc和gedit ~/.bashrc，将下面的内容添加到文件最后，再通过source ~/.bashrc更新环境变量。

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

此时，输入nvcc -V检查安装是否成功，如下图则表示安装成功。

CUDNN安装

切换到cudnn文件所在目录，通过tar -xzvf cudnn-10.2-linux-x64-v7.6.5.32.tgz命令解压文件，会得到一个cuda文件夹，逐一执行下面的命令进行cudnn的安装。

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

完成后，通过下面的命令查看安装情况，如果结果如下图逐行显示版本号，则安装成功。

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

至此，在Ubuntu18.04上CUDA和CUDNN安装完成。

训练测试

按照官方教程，在虚拟环境中安装Pytorch1.5并进行GPU训练测试，结果如下，成功使用CUDA训练。