RTX3060显卡安装深度学习框架Pytorch踩坑实录及解决过程（基于Ubuntu18）

寒假在自己的联想Y430上成功部署过YoloV5+deep sort实现运动目标跟踪。这台电脑的配置是GTX850M+i5-3420，所以CUDA版本选用的是Pytorch1.10.2自带的CUDA10.2。驱动选择470版本，直接成功运行（由于GTX850拉跨的性能，yolov5s模型跑一半就会死机）。

之前考虑过选用CUDA9.0版本，参考链接：https://blog.csdn.net/wuzhiwuweisun/article/details/82753403   （博主贴上了很多下好的资源的百度云链接，所以之前直接跟着博主走了）

由于CUDA9.0版本要求GCC版本不能太高，Ubuntu18预装的GCC版本为7.x，需要给GCC手动降级。降级方法如链接所示，通过修改软连接的方法进行GCC手动降级。但是这里我遇到了一个问题：降级之后无法安装Nvidia驱动。搜索资料得知，安装nvidia驱动对gcc版本也有要求。所以如果要按照这个链接的方法进行降级适配，建议先安装好显卡驱动，然后再不要去对已经跑起来的驱动进行任何的修改了（血泪教训，若是修改驱动会导致再也回不去了=。=）

 

问题描述：开年来，实验室新配置了一台高端主机作为服务器，配置是i7-12700F+RTX3060。导师要求在其上实现一个基于yolo的深度学习视觉识别功能，故按照之前联想Y430p的经验进行装配，却未曾想遇到了不少问题。

首先，yolo+deep sort项目的git开源地址为：https://github.com/pinery-sls/Pytorch_YOLOv5_Deepsort  直接下载该项目。

该项目作者提供了自己训练的模型，下载地址https://drive.google.com/drive/folders/1xhG0kRH1EX5B9_Iz8gQJb7UNnn_riXi6 ，下载好之后放入deep sort/deep/checkpoint  文件夹中。

在yolo的github开源网址https://github.com/ultralytics/yolov5 下载好相应的权重文件，放在yolo目录下的weights中。

然后在安装好anaconda，cuda之后，pip下载yolo中的requirement.txt文件，发现跟Y430p之上不一样，运行报错（提示找不到CUDA Devices）。

然后在网上搜索资料，发现RTX30系列显卡仅支持CUDA11及以上版本。但是由于我下载的是pytorch1.10.2，按道理讲是支持最新的CUDA11.6版本的。所以我在CUDA官网下载了11.6版本并安装。安装之后执行该项目，发现还是报同一个错误。（写下这篇博客的时候，该问题已经被解决，所以很遗憾没能贴出来报错提示以及debug过程，之后一定要养成配环境边配边写博客的习惯）。

因为怀疑自己的cuda版本安装有问题，所以按照网上的步骤检查了cuda版本，发现输入nvcc -V之后，终端显示的cuda版本是10.2。然而在/usr/local/中检查了自己的cuda，发现只有一个cuda11.6，并没有显示的CUDA10.2版本。查阅资料发现，pytorch的下载有三种方式，每一种适配的是不同版本的CUDA。如果按照pip下载器的默认下载方式，下载的pytorch1.10.2是适配CUDA10.2版本的，并且这个CUDA类似一个默认安装的形式（就类似安装ROS会附送安装一个简易版本的Opencv一样）。所以解决办法是：pip卸载pytorch，重新安装适配CUDA11.2版本的pytorch即可解决问题！（甚至不需要进行CUDA11.6到CUDA11.2的降级，在测试中发现已经兼容低版本了）。

以下附上安装过程：

 

在Ubuntu18下，首先安装Anaconda。镜像网址为 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

 

 如图，选择适配自己环境的最新版本的Anaconda版本进行下载。这是深度学习首先要适配的基础工具（Anaconda可以理解为一个特殊版本的python，专门针对深度学习和神经网络而推出的）

下载后给sh文件赋予权限，sudo chmod -R 777 XXX.sh（XXX为文件名）

然后执行sudo sh XXX.sh进行Anaconda的安装。（网上很多anaconda的配置教程，跟着走就行，注意）

安装好Anaconda之后，进行CUDA和CUDNN的安装。进入Nvidia官网进行下载：https://developer.nvidia.com/cuda-downloads  网上类似教程众多。

全部安装好之后，我们开始手动安装pytorch。打开pytorch官网：https://pytorch.org/get-started/locally/

可以看到，默认下载的pytorch适配的CUDA就是10.2版本：

 

 这里我们compute Platform项一定要注意选择CUDA11.3！！！图中是CUDA10.2，仅为了展示其默认下载的版本选择。

下载好之后进行安装。这里按照官网给出的下载指令，我本人是连不上去的（即使科学up网）。所以这里我直接打开网址进行选择性下载：

https://download.pytorch.org/whl/cu113/torch_stable.html

 

 如图所示，下载torch和对应版本的torchvision，然后先安装torch再安装torchvision（顺序错误会提示你安装vision失败，找不到torch~）

注意这里选择版本时后面的cpxx中的xx（数字）代表着你的python版本。我的Anaconda对应的python版本是3.7，故我应该选择torch-1.10.2-cp37版本进行安装。

安装好之后，再通过pip下载yolo中的requirement文件。所需环境全部下载完成之后，就可以愉快地跑起来啦~