記錄自己ubuntu18.04安裝pytorch的心得，anaconda3-5.2已經安裝好，這里不再詳述。
目錄
1.CPU版本Pytorch安裝
2.GPU版本Pytorch安裝
3.相關網址及總結
1.CPU版本Pytorch安裝
CPU版本的pytoch安裝比較簡單，在Pytorch官網中選擇python版本，運行conda或者pip命令即可，如下圖所示。注意，為了方便多個Python版本的管理，通常需要在anaconda中創建新的環境空間。
2.GPU版本Pytorch安裝
GPU版本的pytorch安裝比較復雜，在安裝pytorch之前，通常需要安裝顯卡驅動，cuda和cudnn，CUDA是NVIDIA推出的用於自家GPU的並行計算框架，也就是說CUDA只能在NVIDIA的GPU上運行；cuDNN（CUDA Deep Neural Network library）：是NVIDIA打造的針對深度神經網絡的加速庫，是一個用於深層神經網絡的GPU加速庫。如果你要用GPU訓練模型，cuDNN不是必須的，但是一般會采用這個加速庫。CUDA是必須的，cudnn是可選的。
通常需要考慮：
（1）檢查顯卡型號是否支持GPU運算
檢查方法：終端輸入
ubuntu-drivers devices得到以下結果：
圖中，“model”對應的就是電腦顯卡型號，“driver”中后面帶有“recommanded”就是推薦的顯卡驅動型號。根據顯卡型號到英偉達官網查詢是否支持GPU。
網站顯示如下：
先選擇“CUDA GeForce and TITAN Products”，再看具體型號，電腦GPU為GTX 1050，支持GPU 運算。
（2）安裝顯卡驅動
確定顯卡支持GPU 運算后，接下來需要安裝顯卡驅動，目前嘗試過兩種安裝方法，都成功了。
安裝方法一：
系統“軟件和更新”，“附加驅動”，選擇推薦的驅動安裝。
安裝方法二：
運行以下命令，安裝所有驅動
sudo ubuntu-drivers autoinstall或者只安裝推薦的驅動
sudo apt install nvidia-435
判斷驅動是否安裝成功
方法一：
終端輸入命令
sudo nvidia-smi顯示以下信息則表示安裝成功
方法二：
系統設置查看“圖形”信息，變為英偉達的顯卡類型即可。
（3）GCC降級
CUDA 9.0僅支持GCC 6.0及以下版本，而Ubuntu 18.04預裝GCC版本為7.3，需要手動降級。
安裝4.8版本的g++和gcc，命令如下：
sudo apt-get install gcc-4.8
sudo apt-get install g++-4.8裝完后進入到/usr/bin目錄下，鏈接到低版本，命令如下：
sudo mv gcc gcc.bak #備份
sudo ln -s gcc-4.8 gcc #重新鏈接
sudo mv g++ g++.bak
sudo ln -s g++-4.8 g++檢查是否修改成功，命令：
gcc --version
g++ --version顯示結果如下，則修改成功。
（4）安裝cuda
cuda和cudnn、pytorch版本之間要保證對應，能夠支持。以下網址中有之前各版本的cuda下載（https://developer.nvidia.com/cuda-toolkit-archive），本文選擇的是cuda9.0，根據系統環境選擇合適的版本下載，有補丁的連補丁一同下載。關於Ubuntu系統一項，記住一個原則：高版本兼容低版本。即cuda9.0只有14.04和16.04兩個選項，但18.04版本兼容這兩個版本，所以cuda9.0也可以用於18.04版本的Ubuntu。
下載完成后，在下載路徑下執行命令
sudo sh cuda_9.0.176_384.81_linux.run安裝過程中，以下選項選擇no，其余選擇yes或者默認。
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 352.39? ((y)es/(n)o/(q)uit): n
此外，安裝結束前，會出現warning：In complete Installation，可以忽略。
***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 384.00 is required for CUDA 9.0 functionality to work.
To install the driver using this installer, run the following command, replacing <CudaInstaller> with the name of this run file:
sudo <CudaInstaller>.run -silent -driver
Logfile is /tmp/cuda_install_4242.log隨后執行以下命令安裝補丁：
sudo sh cuda_9.0.176.1_linux.run
sudo sh cuda_9.0.176.2_linux.run
sudo sh cuda_9.0.176.3_linux.run
sudo sh cuda_9.0.176.4_linux.run安裝完成后，打開.bashrc文件，在終端輸入：
sudo gedit ~/.bashrc在文件的末尾添加下面兩行，注意修改成你的安裝路徑：
export PATH="/usr/local/cuda-9.0/bin:$PATH" #這里添加路徑出錯的話最好加上雙引號把路徑括起來，這里已經加上了雙引號
export LD_LIBRARY_PATH="/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH"測試cuda是否安裝成功：
先重啟終端，隨后執行命令：
nvcc -V
之后，編譯 CUDA Samples，注意改為自己的安裝路徑和版本：
cd NVIDIA_CUDA-9.0_Samples/0_Simple/vectorAdd
make
./vectorAdd 出現下面的Test PASSED代表CUDA安裝成功。
（5）安裝cudnn
安裝的cudnn版本要與cuda版本對應，注冊英偉達賬號后，登陸以下網站選擇相應的版本下載，這里選擇的是cudnn-9.0-linux-x64-v7.6.0.64。
由於下載的是.solitairetheme8格式的壓縮文件，在下載路徑下執行命令：
cp cudnn-9.0-linux-x64-v7.6.0.64.solitairetheme8 cudnn-9.0-linux-x64-v7.6.0.64.tgz
tar -xvf cudnn-9.0-linux-x64-v7.6.0.64.tgz先轉化為tgz格式，再解壓。隨后進入解壓路徑，執行：
cd cuda
sudo cp lib64/* /usr/local/cuda/lib64/
sudo cp include/* /usr/local/cuda/include/
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*注：在安裝過程中，我將所有的下載文件剪切到主文件夾中，再運行指令，避免頻繁切換路徑。安裝完成后，這些文件可以刪除。
（6）安裝pytorch
安裝pytorch的時候，同樣需要考慮與cuda版本對應，以下網址中（https://pytorch.org/get-started/previous-versions/）有歷史版本的pytorch，選擇合適的版本，並執行conda或者pip命令即可。這里選擇的是v1.1.0。
注：安裝pytorch時，和CPU版本一樣，新建python環境空間。
3.相關網址及總結
（1）自己安裝過程中及本博客，主要參考以下博客：
Ubuntu18.04下安裝深度學習框架Pytorch（GPU加速）
解壓.solitairetheme8文件
CUDA 版本，顯卡驅動，Ubuntu版本，GCC版本之間的對應關系
GPU，CUDA，cuDNN的理解
（2）安裝思路
安裝anaconda，顯卡是否支持，安裝顯卡驅動，GCC 降級，安裝cuda，安裝cudnn，新建python環境，安裝pytorch
版本對應：系統版本（高兼容低），cuda版本、cudnn版本、pytorch版本
關於版本對應關系，可以到上文提到的網址中查看。
（3）下載網址
cuda最新版下載：
https://developer.nvidia.com/cuda-downloads
cuda歷史版本下載：
https://developer.nvidia.com/cuda-toolkit-archive
pytorch最新版下載：
https://pytorch.org/
pytorch歷史版本下載：
https://pytorch.org/get-started/previous-versions/
cudnn最新版下載：
https://developer.nvidia.com/cudnn
cudnn歷史版本下載：
https://developer.nvidia.com/rdp/cudnn-archive
anaconda最新版下載：
https://www.anaconda.com/distribution/
anaconda歷史版本下載：
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/