【Ubuntu】安装和卸载CUDA、Pytorch

Amber_0419

已于 2022-04-14 09:07:44 修改

阅读量2.9k

点赞数 1

分类专栏： Ubuntu 环境配置文章标签：自然语言处理

于 2022-03-27 20:48:33 首次发布

本文链接：https://blog.youkuaiyun.com/Amber_7422/article/details/123780965

版权

Ubuntu 同时被 2 个专栏收录

6 篇文章

订阅专栏

环境配置

6 篇文章

订阅专栏

卸载 CUDA

执行的CUDA自带的卸载脚本，根据本地的cuda版本找到卸载脚本：

sudo /usr/local/cuda-8.0/bin/uninstall_cuda_8.0.pl

删除残留文件：

sudo rm -rf /usr/local/cuda-8.0/

通过官网下载安装cuda：CUDA Toolkit 11.6 Update 2 Downloads | NVIDIA Developer

卸载 torch

conda / pip uninstall pytorch

torch+cuda 官网套装：Previous PyTorch Versions | PyTorch

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Amber_0419

关注关注

1
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

pytorch卸载cuda+cudnn并重新配置GPU环境，亲测有效

qq_52048052的博客

03-17

1万+

GPU版本的pytorch环境配置，亲测有效，吐血整理，带图详细，搞清对应版本关系

pytorch 卸载_windows安装cuda和cudnn以及pytorch+卸载

weixin_39610415的博客

01-24

1439

查看cuda版本号1、首先需要进入pytorch官网查看一下需要安装的pytorch版本适配的cuda版本号：网址如下所示：PyTorchpytorch.org如图所示，官网默认显示最新版本的PyTorch：点击下面的链接，可以安装一些老PyTorch的版本：点击上面链接后，出现如下页面：最后，根据自己的要求找到对应版本的PyTorch，找到PyTorch对应的cuda版本。下面开始进行cuda...

参与评论您还未登录，请先登录后发表或查看评论

彻底卸载CUDA12.x和cuDNN

最新发布

JAVA

03-27

577

1. 找到需要卸载的程序进行卸载 2. 环境变量删除 3. 删除安装文件夹

ubuntu18.04安装和卸载pytorch

m0_62114628的博客

10-09

2957

ubuntu18.04安装和卸载pytorch

卸载 PyTorch

程永强

11-07

8259

卸载 PyTorch

anaconda 配置不同版本cuda方法

LMM_AI的博客

06-19

7528

方法1：在系统用软连接方法2：在anaconda中独立设置运行环境 https://bluesmilery.github.io/blogs/a687003b/ 方法3：再尝试是否可以配置anaconda自带的cuda,暂时还不知道怎么弄

Ubuntu搭建Pytorch环境（Anaconda、Cuda、cuDNN、Pytorch、Python、Pycharm、Jupyter）

funfan的博客

07-20

1万+

Ubuntu搭建Pytorch环境（Anconda、Cuda、Pytorch、Python、Pycharm、Jupyter）

Ubuntu20.04安装（卸载）Nvidia驱动、cuda和cudnn

m0_46311781的博客

01-06

3724

Ubuntu20.04安装（卸载）Nvidia驱动、cuda和cudnn

ubuntu18.04 python3.8 CUDA11.4 PYTorch1.13.1 tensorrt8.4安装测试全过程

06-28

以上步骤详细介绍了如何在 Ubuntu 18.04 系统上安装和配置 Python 3.8、CUDA 11.4、PyTorch 1.13.1、TensorRT 8.4.3.1 及其相关组件的过程。这些组件是深度学习开发的重要工具，正确地安装它们将有助于后续的工作...

从小白教你如何配置ubuntu20.04的一些基础环境（包括安装ubuntu驱动，cuda，cudnn，anaconda，pytorch）

weixin_54186806的博客

02-13

1649

这一条命令是下载cuda的安装包，但是我不建议用这个命令去下载安装包，因为进入英伟达的官网是需要魔法的，魔法的网络可能不稳定，然后你用这个命令直接输入终端进行下载的话，可能下载到因为网络原因报错导致下载的内容不全，建议直接复制wget后面的链接到浏览器中进行下载，比较文档（亲测有效），或者直接点击下面的链接进行下载。首先查看系统支持的最高版本的cuda，下图中箭头指示的是cuda版本12.2，这意味着我们之后安装的cuda版本，不能超过12.2这个版本。（前面的安装选型全选yes，一般是不会有什么问题的）

CUDA与cuDNN在linux / Ubuntu22.04上的安装与卸载，包含CUDA的.run安装与.deb安装，cuDNN的.tar安装与.deb安装

weixin_47937828的博客

08-15

7336

主要关注CUDA与cuDNN在linux / Ubuntu22.04上的安装与卸载。 1. 整合了两种CUDA安装方式（.run与.deb）、两种cuDNN的安装方式（.tar.xz与.deb），网上好像没什么人做这个 2. 整合了CUDA与cuDNN的官方样例代码的测试方法 3. 整合了CUDA与cuDNN的版本切换方法，尤其是完善的使用脚本的一键切换版本方法（部分代码由GPT辅助生成） 4. 整合了CUDA与cuDNN的彻底卸载方法

ubuntu20文件安装和卸载cuda11.6

Never Give Up

05-04

905

【代码】ubuntu20文件安装和卸载cuda11.6。

CUDA+PyTorch安装及卸载

热门推荐

小木-11BC的博客

04-01

2万+

CUDA+PyTorch安装

cuda+cudnn+pytorch安装与卸载

zacharyzqc的博客

04-16

1174

1.cuda下载地址：https://developer.nvidia.com/zh-cn/cuda-downloads?target_os=Linux 2.cuda卸载，注意版本号要改对，第一条执行完命令行会提示卸载成功，第二条是删除残余文件 sudo /usr/local/cuda-8.0/bin/uninstall_cuda_8.0.pl sudo rm -rf /usr/local/cuda-8.0/ 3.cudnn卸载 sudo rm -rf /usr/local/cuda/i

Windows 下 CUDA, cudnn, pytoch 卸载、更新、安装

奥怪的小栈

01-29

2989

windows 下 CUDA, cudnn, pytoch 卸载、更新、安装 hello, 大家好，今天趁着刚好要升级一下 cuda 来，用这个场景来演示一下 windows 下如何 CUDA, cudnn, pytoch 卸载、更新、安装。

卸载CUDA11.8，安装CUDA12.1

diandianing的博客

01-18

4124

⭐不一定管用，如果出现找不到：cuda-uninstaller的话，使用方法二（我的也找不到）（执行完以上命令后，剩余安装包已同时删除，如果没有执行下面命令）也可以在官网下载后上传到Linux上，在转到对应目录下。最后显示安装的cuda版本为12.1，安装成功。可以在终端使用wget命令下载，执行安装命令。（上面没有删除驱动，所以不需要安装驱动）（安装过程，忘记截图，使用网上找的图）所有的查询到的残留都要删除~~cd到安装目录的bin文件夹。删除原有的cuda文件夹。安装过程会弹出安装项。

ubuntu安装pytorch，卸载pytorch,查看版本

HY的博客

03-06

4226

1.安装去pytorch官网找cuda对应版本的pytorch进行安装pytorch官网 2.查看版本 python import torch print(torch.__version__) #注意是双下划线 3.卸载pytorch(两个命令都要执行) 1.conda uninstall pytorch 2.conda uninstall libtorch ...

Ubuntu18.04-卸载CUDA、安装新版本CUDA

qq_40083760的博客

05-25

4464

电脑：联想Y9000P2022款，显卡RTX3060本来一直正常使用pytorch，cuda也正常使用，但是今天安装Tensorflw2.x也遇到显卡驱动和CUDA版本和Tensorflow版本不兼容的问题，想更新一下CUDA版本，大体流程在此记录一下。

anaconda cuda pytorch

03-08

### 配置CUDA以支持PyTorch在Anaconda环境中的方法为了使PyTorch能够在Anaconda环境中利用GPU加速，需确保安装了兼容版本的CUDA工具包并正确配置环境变量。创建一个新的Conda环境有助于隔离依赖项，从而简化管理过程[^1]。 #### 创建新的Conda环境通过命令行执行如下操作来建立新环境： ```bash conda create --name pytorch_env python=3.9 ``` 激活所创建的环境： ```bash conda activate pytorch_env ``` #### 安装CUDA Toolkit 对于特定版本的支持，请参照[NVIDIA官方文档](https://docs.nvidia.com/cuda/archive/12.6.0/)确认所需的具体细节[^2]。通常情况下，在Anaconda环境下可以通过`conda`直接安装适合当前系统的CUDA版本： ```bash conda install cudatoolkit=12.6 -c nvidia ``` 注意这里的版本号应根据实际需求调整，并且建议从NVIDIA渠道获取最新信息以匹配硬件条件。 #### 安装PyTorch及其依赖库一旦设置了合适的CUDA环境，则可以继续安装PyTorch及相关组件。推荐使用来自PyTorch官方网站提供的预编译二进制文件来进行安装，这能保证最佳性能以及与现有CUDA设置的良好集成： ```bash conda install pytorch torchvision torchaudio pytorch-cuda=12.6 -c pytorch -c nvidia ``` 上述指令会自动处理所有必要的依赖关系，包括针对指定CUDA版本优化过的PyTorch构建版。验证安装成功与否的一个简单方式是在Python解释器内部运行以下测试代码片段： ```python import torch print(torch.cuda.is_available()) print(torch.version.cuda) ``` 如果一切正常，第一个函数调用应当返回True表示检测到了可用的CUDA设备；第二个则显示已加载的CUDA驱动程序版本。