Ubuntu22.04安装cuda、cudnn、pytorch、tensorflow一条龙操作

本篇主要介绍Ubuntu22.04系统下安装cuda、cudnn、pytorch、tensorflow一条龙操作,

其中cuda版本为11.8.0, cudnn版本为8.6.0, tensorflow版本为2.12.0。

主要参考以下博客,按照需要作一定修改和补充,特写此篇仅作记录。

【记录】linux20.04安装cuda、cudnn以及anaconda过程_linux cudnn-优快云博客

一、nvidia驱动安装

一般来说,用Ubuntu官方的iso文件安装后的Ubuntu系统在有nvidia显卡的计算机上会自动安装nvidia驱动。

用软件更新器将所有软件升级以后,在命令行输入:

nvidia-smi

确认是否已安装nvidia驱动,如果已安装则会显示以下界面:

如果没能正常显示,说明未安装nvidia驱动,可以在软件与更新中进行安装:

二、cuda安装

以下过程针对未安装过cuda和cudnn的ubuntu系统,已安装其他版本cuda和cudnn的请另寻资料对其进行卸载后重新安装。

cuda下载地址:CUDA Toolkit 11.8 Downloads | NVIDIA Developer

下载:

wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda_11.8.0_520.61.05_linux.run

在安装cuda之前先确保gcc已安装

gcc --version

未安装的用以下命令安装

sudo apt install build-essential

安装cuda:

sudo sh cuda_11.8.0_520.61.05_linux.run

进入安装面板选择continue,输入accept,来到选择安装内容界面可以选择不安装新的驱动,按空格可取消X,随后选择install等待安装完毕

安装完成后,配置环境变量:

sudo nano ~/.bashrc

在文件最后加入两行:

export LD_LIBRARY_PATH=/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin

如果使用wsl虚拟机安装cuda的,则需要加入以下三行:

export LD_LIBRARY_PATH=/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin
export LD_LIBRARY_PATH=/usr/lib/wsl/lib:$LD_LIBRARY_PATH

按ctrl+x后按y再按确定,保存退出文件

激活环境配置:

source ~/.bashrc

检查是否安装成功:

三、cudnn安装

cudnn下载网址(需要自己注册账号):cuDNN Archive | NVIDIA Developer

安装deb包:

sudo dpkg -i cudnn-local-repo-ubuntu2204-8.6.0.163_1.0-1_amd64.deb

安装后提示要运行以下命令:

sudo cp /var/cudnn-local-repo-ubuntu2204-8.6.0.163/cudnn-local-FAED14DD-keyring.gpg /usr/share/keyrings/

安装/var/cudnn-local-repo-ubuntu2204-8.6.0.163中的三个deb文件

cd /var/cudnn-local-repo-ubuntu2204-8.6.0.163
sudo dpkg -i libcudnn8_8.6.0.163-1+cuda11.8_amd64.deb
sudo dpkg -i libcudnn8-dev_8.6.0.163-1+cuda11.8_amd64.deb
sudo dpkg -i libcudnn8-samples_8.6.0.163-1+cuda11.8_amd64.deb

验证安装:

四、安装pytorch、tensorflow

先安装anaconda,参考以下博客:

超详细Ubuntu安装Anaconda步骤+Anconda常用命令

创建新的环境:

conda create -n main python==3.10

激活环境:

source activate main

安装pytorch:

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

验证安装:

安装tensorflow:

pip install tensorflow==2.12.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

验证安装:

<think>好的,我需要帮助用户在Ubuntu 22.04安装CUDAcuDNN。首先,我得回忆一下相关的步骤,确保每个环节都正确。根据用户提供的引用,安装过程主要分为几个部分:检查驱动、下载CUDA安装CUDA、配置环境变量、验证CUDA,然后是cuDNN安装和验证。 首先,用户需要检查NVIDIA驱动是否安装正确。这一步很重要,因为CUDA依赖合适的驱动版本。用户可以使用nvidia-smi命令来查看驱动信息和兼容的CUDA版本。如果驱动未安装或版本过低,可能需要先安装或更新驱动。不过根据引用[4],CUDA安装包可能包含驱动,但用户需要确认是否已安装或是否需要额外处理。 接下来是下载CUDA。根据引用[2]和[3],用户需要访问NVIDIA官网的CUDA下载页面,选择正确的选项:操作系统是Linux,架构x86_64,发行版Ubuntu 22.04安装类型推荐使用deb(local)。这里要确保用户下载的是对应版本的.deb文件,避免下载错误。 安装CUDA部分,用户需要按照官方指南执行命令。例如,下载完成后,使用dpkg -i安装.deb包,然后运行apt-get update和apt-get -y install cuda。这里需要注意,可能需要添加NVIDIA的仓库到源列表中,以确保依赖项正确安装安装完成后,配置环境变量,将CUDA路径添加到.bashrc中,如引用[5]提到的,需要设置PATH和LD_LIBRARY_PATH。这一步容易出错,用户需要正确编辑文件并source使其生效。 验证CUDA安装可以通过nvcc -V查看版本,以及运行示例程序deviceQuery。如果这些命令执行成功,说明CUDA安装正确。 然后是cuDNN安装。用户需要注册NVIDIA开发者账户,下载对应CUDA版本的cuDNN包。根据引用[5],使用tar命令解压,然后复制头文件和库文件到CUDA目录中。要注意权限问题,使用sudo命令,并确保文件权限正确设置。验证cuDNN可以通过测试样例,但用户可能需要下载官方提供的测试代码或使用深度学习框架验证。 在整个过程中,用户可能会遇到驱动冲突、路径配置错误、版本不匹配等问题。比如,CUDA版本与驱动版本是否兼容,cuDNN是否与CUDA版本对应。需要提醒用户严格按照官方文档的步骤操作,并检查版本对应关系。 另外,用户可能需要安装完成后进行深度学习框架的安装,如PyTorch,这时需要指定正确的CUDA版本。但用户当前的问题仅涉及CUDAcuDNN,所以这部分可以暂时不提。 总结步骤:检查驱动→下载CUDA安装CUDA→配置环境→验证→下载cuDNN安装cuDNN→验证。确保每一步都正确,并参考用户提供的引用中的具体命令和链接。</think>### 在 Ubuntu 22.04安装 CUDAcuDNN 的详细步骤 #### 一、安装前准备 1. **检查 NVIDIA 驱动兼容性** 执行命令 `nvidia-smi`,输出中会显示当前驱动版本和兼容的 CUDA 版本(如 `CUDA Version: 12.4`)[^4]。 - 若未安装驱动,CUDA 安装包可能包含所需驱动(需在安装时勾选驱动选项)[^2]。 #### 二、安装 CUDA 1. **下载 CUDA 安装包** 访问 [NVIDIA CUDA 下载页面](https://developer.nvidia.com/cuda-downloads),选择以下参数: - Operating System: `Linux` - Architecture: `x86_64` - Distribution: `Ubuntu` - Version: `22.04` - Installer Type: `deb (local)` 下载完成后,获得 `.deb` 文件(如 `cuda-repo-ubuntu2204-12-4-local_12.4.0-1_amd64.deb`)[^3]。 2. **安装 CUDA** ```bash sudo dpkg -i cuda-repo-ubuntu2204-12-4-local_12.4.0-1_amd64.deb sudo cp /var/cuda-repo-ubuntu2204-12-4-local/cuda-*-keyring.gpg /usr/share/keyrings/ sudo apt-get update sudo apt-get -y install cuda ``` 3. **配置环境变量** 编辑 `~/.bashrc` 文件,添加以下内容: ```bash export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH ``` 保存后执行 `source ~/.bashrc` [^5]。 4. **验证 CUDA 安装** - 检查版本:`nvcc -V` - 运行测试程序: ```bash cd /usr/local/cuda/samples/1_Utilities/deviceQuery sudo make ./deviceQuery ``` 输出 `Result = PASS` 表示安装成功。 #### 三、安装 cuDNN 1. **下载 cuDNN 包** 访问 [NVIDIA cuDNN 下载页面](https://developer.nvidia.com/cudnn),需注册账号。选择与 CUDA 版本匹配的 cuDNN(如 CUDA 12.x 对应 cuDNN 8.9.x)[^5]。 2. **安装 cuDNN** 假设下载文件为 `cudnn-linux-x86_64-8.9.5.30_cuda12-archive.tar.xz`: ```bash tar -xvf cudnn-linux-x86_64-8.9.5.30_cuda12-archive.tar.xz sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda/include sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn* ``` 3. **验证 cuDNN 安装** 可使用 PyTorchTensorFlow 测试,或编译官方示例: ```bash cp -r /usr/src/cudnn_samples_v8/ $HOME cd $HOME/cudnn_samples_v8/mnistCUDNN make clean && make ./mnistCUDNN ``` 输出 `Test passed!` 表示成功[^5]。 #### 四、注意事项 - **版本匹配**:CUDA、驱动、cuDNN 需严格匹配(参考 [CUDA 版本存档](https://docs.nvidia.com/cuda/archive/))。 - **权限问题**:安装时需全程使用 `sudo`,避免权限不足导致文件复制失败。
评论
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
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