容器内安装低级版本cuda 安装低版本的cuda

前言：我想要安装Torch V1.7.1，根据版本信息只有cuda10.2和11.0。但是，本地安装的CUDA版本为11.6和11.2，都不能满足需求。因此需要降低CUDA版本为10.2

本机系统信息

CUDA版本和显卡驱动

nvidia-smi

目前CUDA版本为11.6，如下图所示，显卡驱动为510.47.03（根据下面的对照表，降级成CUDA10.2没问题）

ubuntu系统版本和架构

uname
lsb_release -a

CUDA版本和驱动版本的对照表

参照官网：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

如上图所示，像CUDA10.2版本，需要440.33以上的显卡驱动。例如，如果你通过nvidia-smi命令获得的显卡驱动号大于440.33,你可以将CUDA 11降到10.2是完全没有问题的。而如果你的显卡驱动号是396.26，那么你只能在CUDA7/8/9上进行切换。

因此显卡驱动总是越高越好，依赖关系为：

• 操作系统版本最优先
• 显卡驱动次之
• CUDA再次之+Cudnn
• 最后是python库，如pytorch版本

下载CUDA 10.2

下载网址：https://developer.nvidia.com/cuda-10.2-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1804&target_type=runfilelocal

运行如下wget命令在服务器安装cuda的目录下：

将下载好的文件执行以下操作：

• 进入到该目录下，使用chmod 755 cuda_10.2.89_440.33.01_linux.run更改文件的执行权限。
• 不是管理员用户，因此无法使用sudo安装，直接执行以下命令即可 sh cuda_10.2.89_440.33.01_linux.run

安装过程

1. 输入accept接收协议
2. 选择只安装CUDA Toolkit，选择Option回车进入
3. 修改安装路径

前提：如下使用的两个目录需要先创建
1） /home/[用户名]/cuda-10.2/
2）/home/[用户名]/cuda-10.2/mylib/

先选择Toolkit Options回车进入

选择Change Toolkit Install Path回车，输入自定义的CUDA安装目录：

/home/[用户名]/cuda-10.2/

提前手动创建

更改Library install path

/home/[用户名]/cuda-10.2/mylib

提前手动创建

安装成功

此时nvcc还是显示原来的CUDA版本，还需要修改本地文件，如下：

修改环境配置文件

修改命令相关参数，执行如下命令：

vim ~/.bashrc

在最下方添加刚刚安装cuda的路径：

export PATH="/home/[用户名]/cuda-10.2/bin:$PATH"
export LD_LIBRARY_PATH="/home/[用户名]/cuda-10.2/lib64:/home/[用户名]/cuda-10.2/mylib/lib64:$LD_LIBRARY_PATH"

之前的CUDA路径可以注释掉，方便之后使用

保存之后，执行以下命令，使配置生效：

source~/.bashrc

查看效果：nvcc -V

显示CUDA 10.2，已经安装成功

安装低版本PyTorch 1.7.1

下载网址：https://pytorch.org/get-started/previous-versions/

pip install torch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2

直接运行如上命令即可安装成功