小编点评

**安装 CUDA 驱动程序** 1. 下载你想要的 CUDA 版本的 CUDA Toolkit 的最新版本。您可以从 NVIDIA 的官方网站 (developer.nvidia.com) 上下载。 2. 在命令行中输入以下命令，其中 `11.3` 代表您下载的 CUDA Toolkit 版本： ```bash wget -c 11.3.0-windows10-x64-vnc.zip unzip 11.3.0-windows10-x64-vnc.zip ``` 3. 进入下载到的 CUDA Toolkit 路径，并运行以下命令： ```bash nvcc -V ``` **更改虚拟环境中默认的 nvcc 命令位置** 1. 退出当前虚拟环境。 2. 在虚拟环境中运行以下命令： ```bash conda activate <虚拟环境名称> ``` 3. 设置 `NVCC_HOME`、`LD_LIBRARY_PATH` 和 `PATH`环境变量以指向您的 CUDA Toolkit 安装路径。 **创建虚拟环境的 activate 和 deactivate 文件** 1. 创建一个名为 `activate.sh` 的文件，并在该文件中添加以下内容： ```bash # Set CUDA_HOME CUDA_HOME=/path/to/cuda/cuda-11.3 # Set LD_LIBRARY_PATH LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH # Set PATH PATH=$CUDA_HOME/bin:$PATH ``` 2. 创建一个名为 `deactivate.sh` 的文件，并在该文件中添加以下内容： ```bash # Restore original CUDA_HOME, LD_LIBRARY_PATH and PATH CUDA_HOME=$ORIGINALS_CUDA_HOME LD_LIBRARY_PATH=$ORIGINALS_LD_LIBRARY_PATH PATH=$ORIGINALS_PATH # Remove the activate and deactivate scripts from the environment rm -rf /home/user/.conda/envs/<虚拟环境名称>/etc/conda/activate.d rm -rf /home/user/.conda/envs/<虚拟环境名称>/etc/conda/deactivate.d ``` 3. 在 `activate.sh` 和 `deactivate.sh` 文件中，分别设置 `CUDA_HOME`、`LD_LIBRARY_PATH` 和 `PATH`环境变量。 **安装 cuDNN** 1. 从 NVIDIA 的官方网站下载 CUDA cuDNN 库。 2. 将 cuDNN 的压缩文件解压缩到一个 temp 文件夹中。 3. 在 temp 文件夹中，执行以下命令： ```bash tar -xvf cudnn-linux-x86_64-8.9.7.29_cuda11-archive.tar.xz -C ./temp/ ``` 4. 将 libcudnn 和 include 文件复制到您的 CUDA Toolkit 的 `include` 和 `lib64` 文件夹中。 5. 重新启动虚拟环境。

正文

在跑一些深度学习代码的时候，如果需要使用mmdetection3d框架，下载的pytorch的cudatoolkit最好需要和本机的cuda版本是一样的，即输入nvcc -V命令后显示的版本一样。

但是如果是在学校里，一般是服务器管理员装的cuda驱动是啥版本，cudatoolkit就是啥版本，且非root用户改变不了。

但是有非root用户也能为自己用户下的虚拟环境更改cudatoolkit版本的操作。

本文是实现进入该虚拟环境后便切换成该环境下专属的cudatoolkit版本的教程。

一、装好CUDA

首先去下面链接中下载你想要的版本的cuda：

https://developer.nvidia.com/cuda-toolkit-archive

以11.3为例，那么就是这样：

在命令行中输入该wget指令

然后下载的时候，Driver要取消勾选

因为没有root权限，所以要进入Options，然后更改toolkit的安装位置，然后比如下载到/home/username/cuda/cuda-11.3 （要自己在cuda文件夹内新建一个cuda-11.3）

username替换为自己的用户名，cuda-11.3视版本更改。

2 更改虚拟环境中默认的nvcc命令指向的位置

首先要知道虚拟环境的配置文件都放在哪儿：

conda activate 虚拟环境名
echo ${CONDA_PREFIX}

假设得到的是：/home/username/.conda/envs/CRN，在本文示例中

然后然后conda deactivate 退出虚拟环境（重要！）

使用以下命令创建脚本（注意用上面找到的路径替换下面的，下面的是在本文具体情况下的示例）

//创建文件夹
mkdir -p /home/username/.conda/envs/CRN/etc/conda/activate.d
//新写一个虚拟环境启动的时候的脚本
vi /home/username/.conda/envs/CRN/etc/conda/activate.d/activate.sh

往脚本中写入（注意替换username与版本号）

ORIGINAL_CUDA_HOME=$CUDA_HOME
ORIGINAL_LD_LIBRARY_PATH=$LD_LIBRARY_PATH
ORIGINAL_PATH=$PATH
export CUDA_HOME=/home/username/cuda/cuda-11.3
export PATH=/home/username/cuda/cuda-11.3/bin:$PATH
export LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH

然后就是编写退出虚拟环境时的脚本：

mkdir -p /home/username/.conda/envs/CRN/etc/conda/deactivate.d
vi /home/username/.conda/envs/CRN/etc/conda/deactivate.d/deactivate.sh

往里写入：

export CUDA_HOME=$ORIGINAL_CUDA_HOME
export LD_LIBRARY_PATH=$ORIGINAL_LD_LIBRARY_PATH
export PATH=$ORIGINAL_PATH
unset ORIGINAL_CUDA_HOME
unset ORIGINAL_LD_LIBRARY_PATH
unset ORIGINAL_PATH

3 再安装一下cuDNN（给CUDA加速用的）

在链接中下载对应的cudnn

https://developer.nvidia.com/rdp/cudnn-archive

然后随便解压到某一个temp文件夹中，举例：

tar -xvf cudnn-linux-x86_64-8.9.7.29_cuda11-archive.tar.xz -C ./temp/

在该temp文件夹中：

cp ./include/cudnn* /home/username/cuda/cuda-11.3/include
cp ./lib/libcudnn* /home/username/cuda/cuda-11.3/lib64
chmod a+r /home/username/cuda/cuda-11.3/include/cudnn* /home/chen_shihang/cuda/cuda-11.7/lib64/libcudnn*

这样就可以了，最后conda activate CRN进入虚拟环境后，输入nvcc -V的时候显示的就是所需要的版本，就可以去编译mmdetection3d了。

参考博客：
https://blog.csdn.net/Mr__George/article/details/106984574

https://blog.csdn.net/zhaozebin666/article/details/129817030