前言
一直想本地运行Deepseek等大模型，但苦于主机用的是传统“神卡”rx580，Rocm什么的不支持，跑不起来。于是在万能的某宝找到了这款Tesla P4显卡，400不到的价格配上8G显存，感觉还不错。而且处于Ollama支持的CUDA版本之内。唯一的缺点就是这卡是被动散热，没有风扇。需要自己买风扇来搭配。用的是旧整机，cpu和主板属于50包邮都不值的水平。但跑AI主要靠显卡，内存稍微大点也就够用了。
安装
安装时本人参考的说明已经过时，结果遇到了错误，最新版的驱动12.9已经支持P4了。尽信书则不如无书，请根据实际版本来合理选择版本。
- 系统
本人使用了Ubuntu 20.04 LTS server作系统，原因是找到了这个系统现成的教程，搭建环境不会那么复杂。（理论上22.04，24.04也能跑，CUDA Tool Kit现在更新了这两个版本，但我没试）
- 安装显卡驱动
正常安装后运行lspci | grep -i nvidia，会出现显卡名称如下：
检查可用的驱动ubuntu-drivers devices，可见
这里没有使用sudo ubuntu-drivers autoinstall自动安装驱动，是因为自动安装的驱动可能在后面安装CUDA时出现兼容性问题，而是使用了nvidia-driver-470版本（nvidia-driver-470-server、nvidia-driver-575版本应该也行）。运行sudo apt install nvidia-driver-470，安装完成后重启电脑，再次运行nvidia-smi可以看到显卡信息。注意此时显示的CUDA Version是最高可安装的版本，还未安装CUDA。
3.安装 CUDA
访问CUDA Toolkit Downloads，依次选择Linux>x86_64>Ubuntu>20.04>deb_local,网站会自动生成安装步骤。按照此步骤安装即可。
对于Driver Installer的选择，传统闭源版本性能更高，因此选择后者进行安装。
理论上安装后输入nvcc -V，会输出CUDA版本，但本人此时运行后提示"
Command 'nvcc' not found"。经查找后，应该是程序没有加入PATH。因此cd /usr/local/cuda/bin进入文件夹，ls后存在nvcc文件，直接将cuda路径加入系统路径即可。
编辑文件：
nano ~/.bashrc
在末尾添加以下内容：
#添加CUDA
export LD_LIBRARY_PATH=/usr/local/cuda/lib
export PATH=$PATH:/usr/local/cuda/bin
更新配置文件：
source ~/.bashrc
再次运行nvcc -V，输出CUDA版本，即为安装成功。
- 安装cuDNN
访问cuDNN Archive，选择Download cuDNN v8.9.7 (December 5th, 2023), for CUDA 12.x，下载Local Installer for Ubuntu20.04 x86_64 (Deb)。下载时要求注册nvidia开发者账号。按照要求注册即可。
将文件传入电脑，运行
sudo dpkg -i cudnn-local-repo-ubuntu2004-8.9.7.29_1.0-1_amd64.deb
根据提示运行
sudo cp /var/cudnn-local-repo-ubuntu2004-8.9.7.29/cudnn-local-30472A84-keyring.gpg /usr/share/keyrings/
来安装key。可用性将在安装Pytorch后验证。
- 安装Ollama
到Ollama官网Download Ollama，选择Linux后出现自动安装脚本。运行
curl -fsSL https://ollama.com/install.sh | sh
来安装。安装后会能够自动检测显卡。Ollama使用很简单，在此不过多赘述。
- 安装Anaconda和Pytorch
先下载安装脚本：
wget https://repo.anaconda.com/archive/Anaconda3-2024.10-1-Linux-x86_64.sh
然后赋予可执行权限并执行：
chmod +x Anaconda3-2024.10-1-Linux-x86_64.sh
sh Anaconda3-2024.10-1-Linux-x86_64.sh
按照提示完成安装。
安装时注意安装位置。安装完成后执行conda。若出现conda: command not found，请同样编辑.bashrc文件
nano ~/.bashrc
在末尾添加以下内容：
#替换{path}为自己的安装位置
export PATH="{path}/anaconda3/bin:$PATH"
更新配置文件：
source ~/.bashrc
安装完成后，创建一个pytorch环境，并激活
conda create --name pytorch python=3.10 conda activate pytorch
由于Pytorch官网去除了conda支持，本文参考另一篇文章进行安装。执行以下命令完成PyTorch环境部署
conda install pytorch torchvision torchaudio pytorch-cuda=12.4 -c pytorch -c nvidia
完成后，运行python进入shell。
>>> import torch
>>> torch.cuda.is_available() #检查cuda是否可用
>>> torch.cuda.get_device_name(0) #查看设备名称
>>> torch.cuda.get_device_properties(0).total_memory #查看显存大小
>>> torch.version.cuda #查看cuda版本
>>> torch.backends.cudnn.is_available() # 检查cudnn是否可用
>>> torch.backends.cudnn.version() # 查看cudnn版本
参考链接
