1. 检查机器配置
检查显卡驱动与推荐cuda版本
nvidia-smi
若驱动版本低于所需的CUDA版本，则可以进行升级。首先查看系统推荐的驱动版本
ubuntu-drivers devices
例如：
根据推荐的版本号升级驱动
sudo ubuntu-drivers autoinstall
重启即可
2. 安装Anaconda
在清华源下载Anaconda安装包：
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?C=M&O=D
选择对应的安装包，如：
bash your_file.sh
全选 yes
配置conda环境
vim ~/.bashrc
插入下列语句
export PATH="/home/username/anaconda3/bin:$PATH"
重启环境
source ~/.bashrc
测试conda环境是否配置好
conda -V
更换清华镜像源
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
3. 创建新conda环境
查看conda已有环境
conda-env list
创建新的conda环境，以my_env为例，同时选择python版本为3.8.8
conda create -n my_env python=3.8.8
激活与退出虚拟环境
conda acvtivate my_env
conda deactivate
克隆（复制）已有环境
conda create -n new_env --clone old_env
附：conda删除环境
conda remove -n my_env --all
4. 安装CUDA
查找已有的CUDA版本，目录在/usr/local
若没有所需cuda，则在NVIDIA官网CUDA Toolkit下载安装
将以下命令添加到 ~/.bashrc 中，将cuda-xx.x替换成自己所需的版本号
export PATH=/usr/local/cuda-xx.x/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-xx.x/lib64:$LD_LIBRARY_PATH
编译环境，查看cuda是否安装成功
source ~/.bashrc
nvcc -V
5. 安装cuDNN
从Nvidia官网的cuDNN Archive下载所需的cuDNN包，需注册Nvidia账号。
解压后进入文件夹，执行一下命令对将cuDNN部署到对应的cuda环境中：
sudo cp include/cudnn.h /usr/local/cuda-xx.x/include
sudo cp lib/libcudnn* /usr/local/cuda-xx.x/lib64*
sudo chmod a+r /usr/local/cuda-xx.x/include/cudnn.h
sudo chmod a+r /usr/local/cuda-xx.x/lib64/libcudnn*
验证安装结果，查看版本号
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
6. 安装PyTorch、opencv等
Pytorch 官网
https://pytorch.org/get-started/locally/
安装OpenCV
pip install opencv-python
