为了快速配置基于pytorch的深度学习工作环境，现对Ubuntu20.04 +RTX3090ti +cuda11.6+ cudnn8.4.1 +pytorch安装过程进行简要记录。为了保持权威性，在此过程中，本文尽量引用官方安装指导。

1、基本环境

首先查看系统版本以及显卡型号，系统为Ubuntu20.04。注意尽量不要安装最新版本，可以安装次新的版本，便于遇到问题能到查到充足资料。显卡为RTX3090ti，通过查看显卡计算能力表（https://developer.nvidia.com/cuda-gpus）可知，其为8.6，和3090一致。因此基于3090ti的所有配置安装可以参看3090。Python版本为3.10.

2、确定pytorch版本及安装命令

通过查看pytorch官网指导https://pytorch.org/get-started/locally/，可以知道官方建议最新pytorch1.12.1最高兼容CUDA11.6。因此可以初步确定安装CUDA11.6。

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu116

通过查看稳定版本列表https://download.pytorch.org/whl/torch_stable.html，可以看到基于pytorch1.12.1和python3.10，只能选择CUDA11.6。

3、确定显卡驱动版本及安装命令

1）而在安装CUDA11.6之前，需要安装RTX3090ti显卡驱动。安装哪一个版本的显卡驱动呢？通过查询NVIDIA官网，https://developer.nvidia.com/cuda-toolkit-archive，以及https://developer.nvidia.com/cuda-11-6-0-download-archive。


因此可以确定显卡驱动版本为510.39.01。安装命令为

wget https://developer.download.nvidia.com/compute/cuda/11.6.0/local_installers/cuda_11.6.0_510.39.01_linux.run
sudo sh cuda_11.6.0_510.39.01_linux.run

2）注意在安装显卡驱动前，要看系统是否已经有显卡驱动，是否已经满足要求。如果系统没有显卡驱动，或者恰好驱动版本号为510.*.*，满足要求，则直接用上述命令完成显卡驱动和cuda11.6的安装。

如果系统已经有其他版本的显卡驱动，并且不满足要求，则由于有效卸载显卡驱动很有难度，因此可以选择将系统自带显卡驱动nouveau禁用。具体过程如下：

#### 1、编辑文件

sudo vim /etc/modprobe.d/blacklist-nouveau.conf

#### 2、插入以下内容

blacklist nouveau

options nouveau modeset=0

#### 3、执行生效

sudo update-initramfs -u

#### 4、重启

sudo reboot

重启后验证是否禁用，无内容输出则禁用成功

lsmod | grep nouveau

更多关于nouveau驱动的背景，参加https://blog.csdn.net/misiter/article/details/7652731。

4、cuDNN

1）通过https://developer.nvidia.com/rdp/cudnn-archive，可知目前兼容CUDA11.X最高cuDNN为8.4.1. 因此可以在该地址下载cuDNN8.4.1包。
安装命令见：https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html#install-linux。
具体如下：

# Procedure
# Navigate to your <cudnnpath> directory containing the cuDNN tar file.
# Unzip the cuDNN package.
$ tar -xvf cudnn-linux-x86_64-8.x.x.x_cudaX.Y-archive.tar.xz
# Copy the following files into the CUDA toolkit directory.
$ sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda/include 
$ sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64 
$ sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

5、验证

1. 验证显卡驱动版本：

cat /proc/driver/nvidia/version

注意：nvidia-detector为检测最适合系统的驱动驱动版本。
2) 验证CUDA版本

nvcc -V

3. 查看CUDA能否正常工作

nvidia-smi