一、NVIDIA drivers 460安装

 安装推荐的驱动程序

sudo ubuntu-drivers autoinstall

 二、CUDA11.7.0安装

CUDA下载

进入官网 https://developer.nvidia.com/cuda-downloads ，选择对应的版本后，下面会出现一行链接，进入这个链接下载runfile

由于我之前已经安装了Nvidia的显卡驱动，这里不安装driver，那么只需要移动到Driver，按enter键，将＂［］＂中的Ｘ去掉即是不选择

在~/.bashrc文件中添加如下环境变量：

export PATH=/usr/local/cuda-11.7/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

a：编辑

esc：退出编辑模式

:wq：保存并退出

更新配置文件：

再次执行nvcc -V 就可以看到相应cuda版本了： 

 watch -n 1 nvidia-smi #实时查看GPU的使用情况

三、CUDNN cudnn-11.7-linux-x64-v8.0.4.30.tgz

解压cuDNN文件，并进入解压出的文件夹，拷贝文件到/usr/local/cuda-11.7中

先切换到压缩包所在目录下，再解压：

cd /home/xuzh/

tar -xvf cudnn-linux-x86_64-8.4.0.27_cuda11.6-archive.tar.xz

 切换目录：

cd cudnn-linux-x86_64-8.4.0.27_cuda11.6-archive

 sudo cp lib/* /usr/local/cuda-11.7/lib64/

sudo cp include/* /usr/local/cuda-11.7/include/ 

sudo chmod a+r /usr/local/cuda-11.7/lib64/* 

sudo chmod a+r /usr/local/cuda-11.7/include/* 

 新版本查看cuDNN版本的命令为cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

四、Anaconda

下载anaconda安装包，上传到服务器并安装：

bash Anaconda3-5.3.0-Linux-x86_64.sh

提示信息“Do you wish to proceed with the installation of Microsoft VSCode? [yes|no]”，输入no；

重启终端，即可使用Anaconda3；

测试
在终端中打开python，然后随意打印一些内容查看Anoconda是否安装好

打开新的终端后，进入自己的文件夹目录下，输入anaconda -V（注意a要小写，V要大写），conda -V ,显示版本信息，若显示则表示安装成功。 

 五、Anaconda安装Pytorch

创建虚拟环境
conda create -n torch python=3.7 （torch 是我自己取的名字）

激活环境
使用下面这条命令，激活环境：

conda activate torch

出现下面所示:

检测环境是否安装好:

conda install pytorch torchvision torchaudio cudatoolkit=11.6 -c pytorch -c conda-forge

 失败！

pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu116

测试安装成功

首先输入： python 然后在输入：import torch，然后检查cuda是否可以使用