cuda:Missing recommended library: libGLU.so,libX11.so,libXi.so,libXmu.so

本文介绍了解决 CUDA 8.0 安装过程中遇到的缺失依赖库问题的方法,并提供了详细的安装步骤,包括确认 EULA、选择安装位置等。
部署运行你感兴趣的模型镜像

安装cuda时可能有下面的信息

Installing the CUDA Toolkit in /usr/local/cuda-8.0 …
Missing recommended library: libGLU.so
Missing recommended library: libX11.so
Missing recommended library: libXi.so
Missing recommended library: libXmu.so

原因是缺少相关的依赖库,安装相应库就解决了:

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev 

再次安装,就不再提示了

$sudo ./cuda_8.0.61_375.26_linux.run

Do you accept the previously read EULA?
accept/decline/quit: accept

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.26?
(y)es/(n)o/(q)uit: n

Install the CUDA 8.0 Toolkit?
(y)es/(n)o/(q)uit: y

Enter Toolkit Location
[ default is /usr/local/cuda-8.0 ]:

Do you want to install a symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: y

Install the CUDA 8.0 Samples?
(y)es/(n)o/(q)uit: y

Enter CUDA Samples Location
[ default is /home/guyadong ]:

Installing the CUDA Toolkit in /usr/local/cuda-8.0 …
Installing the CUDA Samples in /home/guyadong …
Copying samples to /home/guyadong/NVIDIA_CUDA-8.0_Samples now…
Finished copying samples.

===========

= Summary =

Driver: Not Selected
Toolkit: Installed in /usr/local/cuda-8.0
Samples: Installed in /home/guyadong
Please make sure that
- PATH includes /usr/local/cuda-8.0/bin
- LD_LIBRARY_PATH includes /usr/local/cuda-8.0/lib64, or, add /usr/local/cuda-8.0/lib64 to /etc/ld.so.conf and run ldconfig as root

To uninstall the CUDA Toolkit, run the uninstall script in /usr/local/cuda-8.0/bin

Please see CUDA_Installation_Guide_Linux.pdf in /usr/local/cuda-8.0/doc/pdf for detailed information on setting up CUDA.

***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 361.00 is required for CUDA 8.0 functionality to work.
To install the driver using this installer, run the following command, replacing with the name of this run file:
sudo .run -silent -driver

Logfile is /tmp/cuda_install_13101.log
Signal caught, cleaning up

参考:

《ubuntu14.04+cuda8.0(GTX1080)+caffe安装》

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库,基于 Torch 库,底层由 C++ 实现,应用于人工智能领域,如计算机视觉和自然语言处理

<think>好的,我现在需要帮助用户在Ubuntu 22.04上安装和配置CUDA 12.4。首先,用户提到的系统是Ubuntu 22.04,而他们提供的引用中提到了CUDA 11.8、12.1以及cuDNN 8.9.6.50的安装方法。不过,用户现在想安装的是CUDA 12.4,这可能需要查看最新的官方文档,因为现有引用中的步骤可能适用于旧版本。 首先,我需要确认CUDA 12.4是否支持Ubuntu 22.04。通常,NVIDIA的CUDA Toolkit会列出支持的Linux发行版。根据NVIDIA官网的信息,CUDA 12.4应该支持Ubuntu 22.04,但最好核实一下。 接下来,安装CUDA通常需要先安装NVIDIA驱动程序。根据引用[3],在安装CUDA之前可能需要先安装合适的驱动。CUDA 12.4可能需要特定版本的驱动程序,比如535或更高版本。用户需要先检查他们的显卡型号是否支持CUDA 12.4,并安装对应的驱动。 然后,用户提到了cuDNN的版本8.9.6.50,这在引用[2]和[4]中有涉及。但CUDA 12.4可能需要更高版本的cuDNN,比如8.9.x或更新的版本。用户需要从NVIDIA开发者网站下载对应的cuDNN包,并按照指南安装。 另外,引用[1]和[4]中提到安装依赖库,比如freeglut3-dev、libfreeimage-dev等。这些依赖项在安装CUDA时可能需要,特别是当编译示例或使用某些功能时。用户需要确保这些依赖已经安装,否则在编译过程中可能会遇到错误,如找不到FreeImage.h。 安装步骤大致如下: 1. 更新系统并安装必要依赖。 2. 安装NVIDIA驱动程序,可能需要禁用nouveau驱动(如引用[3]所述)。 3. 下载CUDA 12.4的安装包,使用runfile方式安装(如引用[1]提到的runfile(local))。 4. 配置环境变量,将CUDA路径添加到.bashrc中。 5. 安装cuDNN,解压文件并复制到CUDA目录。 6. 验证安装,通过编译和运行示例程序,如mnistCUDNN(引用[4]的例子)。 需要注意的是,CUDA 12.4的安装包可能还没有通过APT仓库提供,因此用户可能需要从NVIDIA官网直接下载runfile或deb包。同时,安装过程中可能会遇到依赖问题,需要根据错误提示安装缺失的软件包。 最后,用户可能需要验证CUDA是否正确安装,使用nvcc --version检查版本,以及运行deviceQuery和bandwidthTest等示例程序。如果出现错误,如缺少库文件,需根据提示安装对应的依赖项。</think>以下是在Ubuntu 22.04上配置CUDA 12.4的完整指南: ### 一、安装前准备 1. **系统更新与依赖安装** ```bash sudo apt update && sudo apt upgrade -y sudo apt install build-essential freeglut3-dev libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev libfreeimage-dev -y ``` *注:`libfreeimage-dev`用于解决图像处理相关的头文件缺失问题[^4]* 2. **禁用Nouveau驱动** ```bash sudo bash -c "echo blacklist nouveau > /etc/modprobe.d/blacklist-nvidia-nouveau.conf" sudo bash -c "echo options nouveau modeset=0 >> /etc/modprobe.d/blacklist-nvidia-nouveau.conf" sudo update-initramfs -u sudo reboot ``` ### 二、安装NVIDIA驱动 1. **自动安装推荐驱动** ```bash ubuntu-drivers devices # 查看推荐驱动版本 sudo apt install nvidia-driver-535 # CUDA 12.x推荐535+驱动[^3] ``` 2. **验证驱动安装** ```bash nvidia-smi # 应显示驱动版本和CUDA版本(可能显示12.4) ``` ### 三、安装CUDA 12.4 1. **下载安装包** ```bash wget https://developer.download.nvidia.com/compute/cuda/12.4.0/local_installers/cuda_12.4.0_550.54.14_linux.run ``` 2. **执行安装程序** ```bash sudo sh cuda_12.4.0_550.54.14_linux.run ``` *安装选项建议:* - 取消勾选Driver(已单独安装) - 选中CUDA Toolkit - 保持默认安装路径`/usr/local/cuda-12.4` 3. **配置环境变量** ```bash echo '# CUDA 12.4 Path' >> ~/.bashrc echo 'export PATH=/usr/local/cuda-12.4/bin${PATH:+:${PATH}}' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda-12.4/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}' >> ~/.bashrc source ~/.bashrc ``` ### 四、安装cuDNN 1. **下载cuDNN 8.9.7(适配CUDA 12.x)** *需从[NVIDIA开发者网站](https://developer.nvidia.com/cudnn)下载:* - Local Installer for Ubuntu22.04 x86_64 (Deb) 2. **安装命令** ```bash sudo dpkg -i cudnn-local-repo-ubuntu2204-8.9.7.29_1.0-1_amd64.deb sudo cp /var/cudnn-local-repo-ubuntu2204-8.9.7.29/cudnn-local-08CABD2C-keyring.gpg /usr/share/keyrings/ sudo apt update sudo apt install libcudnn8 libcudnn8-dev libcudnn8-samples ``` ### 五、验证安装 1. **CUDA验证** ```bash nvcc --version # 应显示12.4 /usr/local/cuda-12.4/extras/demo_suite/deviceQuery # 应返回PASS ``` 2. **cuDNN验证** ```bash cp -r /usr/src/cudnn_samples_v8/ $HOME cd ~/cudnn_samples_v8/mnistCUDNN make clean && make ./mnistCUDNN # 应显示Test passed! ```
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

10km

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值