最近看到一個開源的單圖轉(zhuǎn)立體視圖的項目，準備試試
公司沒有帶nvidia顯卡的電腦，先租了個云主機，可以跑，效果還不錯，準備去買臺帶顯卡的電腦。 i7 + 3060ti。
安裝好的驅(qū)動及各版本如下：
Ubuntu：18.04.5
cuda：11.1
cudnn：8.0.5.39
pytorch：1.7.0
cuda之類的可以從nvidia倉庫下載，用工具速度很快。
https://developer.download.nvidia.cn/compute/cuda/repos/ubuntu1804/x86_64/
下載后按照官網(wǎng)的提示安裝就行。
最后用命令nvidia-smi確認驅(qū)動是否安裝好，nvcc --version確認是否安裝好cuda。
pytorch安裝：
正式版本還不支持cuda11，需要下載torch指定版本
pip install torch==1.7.0+cu110 torchvision==0.8.1+cu110 -f https://download.pytorch.org/whl/torch_stable.html
速度很慢也可以通過工具下載安裝包，然后pip命令安裝。
https://download.pytorch.org/whl/cu110/torch-1.7.0+cu110-cp38-cp38-linux_x86_64.whl
https://download.pytorch.org/whl/cu110/torchvision-0.8.1+cu110-cp38-cp38-linux_x86_64.whl
驗證安裝是否成功：
1 import torch
2 import torchvision
3 print(torch.cuda.is_available())
上面的命令只是檢測CUDA是否安裝正確并能被pytorch檢測到，并沒有說明是否能正常使用，要想看Pytorch能不能調(diào)用cuda加速，還需要簡單的測試一下：
a = torch.Tensor(4,3)
a=a.cuda()
print(a)
運行成功！
安裝tensorflow，
pip install tf-nightly-gpu
但是測試通不過：
import tensorflow as tf
print('GPU',tf.test.is_gpu_available())
Could not load dynamic library 'libcusolver.so.10'; dlerror: libcusolver.so.10: cannot open shared object file: No such file or directory
先使用find 命令找到相關(guān)庫位置，找到了libcusolver.so.11，確實沒有l(wèi)ibcusolver.so.10。
創(chuàng)建軟連接 libcusolver.so.10 -> libcusolver.so.11， 執(zhí)行l(wèi)dconfig， 測試還是不行。
看到一個帖子，https://zhuanlan.zhihu.com/p/279401802 上說
解壓后進入cuda/lib64路徑下，把里面所有文件拷入對應虛擬環(huán)境（exp38）的lib中。
將所有的libcu開頭的so全部拷到anaconda3/lib, 包括那個軟連接libcusolver.so.10 -> libcusolver.so.11。
測試通過。
