Specify CUDA_TOOLKIT_ROOT_DIR

最新推荐文章于 2024-05-24 00:29:09 发布
最新推荐文章于 2024-05-24 00:29:09 发布
阅读量1.1w 收藏 7
点赞数 4
CC 4.0 BY-SA版权
分类专栏： 深度学习 文章标签： linux cuda
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/Orientliu96/article/details/111884804
博客提到出现Specify CUDA_TOOLKIT_ROOT_DIR错误，原因是编译器未找到cuda路径。通过手动添加cuda文件路径，最终编译成功，解决了该问题。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

Specify CUDA_TOOLKIT_ROOT_DIR

在这里插入图片描述
出现这个错误的原因是编译器没有找到cuda的路径，所以需要我们告诉他应该去哪里找我们的cuda文件

cmake -D CUDA_TOOLKIT_ROOT_DIR=/usr/local/cuda-8.0 ..

手动添加路径后，编译成功。
在这里插入图片描述

Ubuntu安装CUDA Toolkit
qq_40930088的博客
12-06 6417
参考NVIDIA官网提供的安装说明，并结合自己多次尝试后的安装经验，完成了本文，希望能为大家提供便捷。 总体来看，在Linux操作系统上，不同版本安装方式基本一致，本教程适用于v10.2以前的CUDA Toolkit的.run文件安装。 准备工作 确定你有支持CUDA的NVIDIA GPUlspic | grep -i nvidia 并前往这里对应位置查看当前GPU是否支持CUDA。 确定要...
python下安装cuda相关包时报错CUDA_TOOLKIT_ROOT_DIR must be defined
qq_38402294的博客
03-29 6811
最近在用pycuda编程时想要用一个支持python的kmeans并行化包，github链接在这里src-d/kmcuda, 里边有详细的安装教程。但我按照上边提供的安装方法操作之后遇到了错误： CUDA_TOOLKIT_ROOT_DIR must be defined 此时需进行的操作是： 打开.bashrc文件，位置在home下，处于隐藏状态，可以通过指令： gedit ~./bashrc ...
如何让cmake的CUDA找到(How to let cmake find CUDA)如何解决Specify CUDA_TOOLKIT_ROOT_DIR
qq_41873079的博客
03-10 1万+
如何解决Specify CUDA_TOOLKIT_ROOT_DIR 今天在Build项目时 提示Specify CUDA_TOOLKIT_ROOT_DIR错误，搜索了下，解释在下面 cmake中提到了CUDA_TOOLKIT_ROOT_DIR作为cmake变量，而不是环境变量。这就是为什么当你把它放入。bashrc时它不能工作。如果你看看FindCUDA。make it清楚地说: 如果前缀不能通过nvcc在系统路径中的位置确定，并且向find_package()指定了REQUIRED，该脚本将提示用户指定C
如何设置 CUDA_PATH 和 CUDA_TOOLKIT_ROOT_DIR
Kp0fS的草稿纸
03-08 1万+
如何设置 CUDA_PATH 和 CUDA_TOOLKIT_ROOT_DIR 在配置 C
CMake Error at /usr/local/share/cmake-3.24/Modules/FindCUDA.cmake:859 (message): Specify CUDA_TOOL
Yancy的篝火
06-19 2573
从错误日志中可以看到，问题出在CMake无法找到CUDA工具包的根目录。这意味着CMake需要知道CUDA工具包的安装位置，以便正确配置和构建denseflow。
caffe+ubuntu18.04+cuda10.2编译配置
s1037222866的博客
05-12 484
安装相应依赖 apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler apt-get install --no-install-recommends libboost-all-dev apt-get install python-dev apt-get install libgflags-dev libgoogle-glog-dev li
python动作识别库_用于动作识别的3D ResNets
weixin_33324197的博客
01-29 1362
3D ResNets for Action RecognitionUpdate (2020/4/13)We published a paper on arXiv.We uploaded the pretrained models described in this paper including ResNet-50 pretrained on the combined dataset with K...
rrc_detection+caffe 环境搭建/测试结果
Memory
04-27 1522
0. 环境 Ubuntu 16.04 cuda 8.0 + cudnn 5.1 python 2.7 protobuf 2.6.1 opencv 3.1 因为 rrc_detection 年代比较久远了，所以用的都是一些比较旧的环境。 以上这些配置都是在我踩了无数次坑以后才得出来的，都是泪。 0.1 cuda7.5+cudnn 5.0 rrc-github 里面是说需要 cuda7.5+cud...
安装:caffe-ssd+python3.5(系统自带)+cuda9.0+cudnn7.1+ubuntu16.04
weixin_43317842的博客
03-10 1222
哈喽！又是我！我又回来了！（最近因为项目需要在机子上搭了一遍又一遍的环境，今天，我要讲讲这些血泪史，这是在anaconda3搭载无果之后的退居策略） 首先，还是同我上一篇一样，先讲cunda9.0,cundnn7.1装好，具体如下： 1，安装显卡驱动（采用懒人方式） one:在“软件与更新”的第二项（另外源）的 canonical partners 打上沟，或者全部都打钩（保险起见） second...
安装CUDA Toolkits
最新发布
dongbidsaxue的博客
05-24 9045
当我们在项目中遇到CUDA相关的报错时，很多时候是CUDA版本的问题，需要自己尝试修改不同版本来解决，希望本文的内容可以帮助到你更好地处理这类问题。由于笔者能力有限，存在错误的地方敬请原谅。
CUDA配置:The CUDA Toolkit directory ‘‘ does not exist.问题解决方法
weixin_42702728的博客
12-03 6112
要将CUDA单独拿出来 配置CUDA工程时出现这样的问题。 The CUDA Toolkit directory ‘’ does not exist. Please verify the CUDA Toolkit is installed properly or define the CudaToolkitDir property to resolve this error. 如下文件中，打开 找到 Microsoft.Cpp.props，下面位置添加上图红框内容，具体名称和路径按照需要自行设置
Failed to find nvcc. Compiler requires the CUDA toolkit. Please set the CUDAToolkit_ROOT variable
weixin_48262500的博客
03-21 1652
nvcc是cuda编译器，需要下载cudatoolkit。
对于Could NOT find CUDA (missing: CUDA_TOOLKIT_ROOT_DIR CUDA_INCLUDE_DIRS CUDA_CUDART_LIBRARY) 问题的解决
seaun163的专栏
07-28 1万+
怀疑可能是系统找打多个版本的CUDA信息，因此在FindCUDA.cmake文件中指定了一下解决问题 ​可以在CMakeLists.txt中设置 find_package(CUDA REQUIRED) include_directories(${CUDA_INCLUDE_DIRS}) link_directories(${CUDA_LIBRARIES}) 如果需要对多个版本的cuda进行查找时，此时可以对FindCUDA.cmake文件进行修改，而FindCUDA.cmake保存在路径 /usr
CUDA Toolkit的安装
keyboard专栏
02-21 2699
输出来看，你的系统已经成功识别了NVIDIA显卡，并且显示了CUDA的版本为12.2，这意味着CUDA已经被安装在系统上了。nvidia-smi工具显示的CUDA版本是指与当前NVIDIA驱动兼容的CUDA版本。这个版本信息表示你的显卡驱动支持开发和运行针对CUDA 12.2版本编写的应用程序。然而，要开始开发基于CUDA的应用程序，除了驱动程序自带的CUDA支持外，你可能还需要安装CUDA Toolkit，它提供了编译和开发CUDA应用所需的编译器（nvcc）、库和头文件。
安装cudatoolkit踩坑
bashan1604的博客
05-27 2万+
conda install cudatoolkit==10.0 -c ... cudatoolkit将装在系统环境还是虚拟环境中？ 在公司服务器上conda create -n py38 python=3.8，出现了各种问题： 清华镜像慢到发指 阿里、豆瓣和腾讯镜像直接连不上，如下 UnavailableInvalidChannel: The channel is not accessible or is invalid. channel name: anaconda/pk...
安装GPU驱动,CUDA Toolkit和配置与CUDA对应的Pytorch
weixin_46028606的博客
09-09 3233
安装GPU驱动,CUDA Toolkit和配置与CUDA对应的Pytorch
Ubuntu下安装CUDA
热门推荐
CC977的博客
02-05 7万+
Ubuntu下安装 CUDA、cuDNN；多版本安装
Eigen3.3.3安装配置+VS2015+Cmake
wae42675的博客
05-14 2万+
准备工作： 我的系统是win10，64位，VS是2015，Cmake3.8.1 下载Eigen: 在Eigen官网下载当前最新版本，我下载的是3.3.3版本 新建文件夹 创建根目录Eigen 解压下载的压缩包，得到eigen-eigen-67e894c6cd8f，创建新的文件夹Eigen_bin，目录结构如下图： Cmake 选择source code和build binaries对应的文件夹：点击
解释：if(CUDA_FOUND) message(STATUS "Found CUDA Toolkit v${CUDA_VERSION_STRING}") enable_language(CUDA) set(HAVE_CUDA TRUE) if (CMAKE_CUDA_COMPILER_ID STREQUAL "NVIDIA") if(${CUDA_VERSION_STRING} VERSION_GREATER_EQUAL "11.1") execute_process(COMMAND ${CMAKE_CUDA_COMPILER} --list-gpu-code RESULT_VARIABLE EXIT_CODE OUTPUT_VARIABLE OUTPUT_VAL) if(EXIT_CODE EQUAL 0) #Remove sm_ string(REPLACE "sm_" "" OUTPUT_VAL ${OUTPUT_VAL}) #Convert to list string(REPLACE "\n" ";" __CUDA_ARCH_BIN ${OUTPUT_VAL}) #Remove last empty entry list(REMOVE_AT __CUDA_ARCH_BIN -1) else() message(FATAL_ERROR "Failed to run NVCC to get list of GPU codes: ${EXIT_CODE}") endif() elseif(${CUDA_VERSION_STRING} VERSION_GREATER_EQUAL "11.0") set(__CUDA_ARCH_BIN "35;37;50;52;53;60;61;62;70;72;75;80") elseif(${CUDA_VERSION_STRING} VERSION_GREATER_EQUAL "10.0") set(__CUDA_ARCH_BIN "30;32;35;37;50;52;53;60;61;62;70;72;75") elseif(${CUDA_VERSION_STRING} VERSION_GREATER_EQUAL "9.1") set(__CUDA_ARCH_BIN "30;32;35;37;50;52;53;60;61;62;70;72") else() set(__CUDA_ARCH_BIN "30;32;35;37;50;52;53;60;61;62;70") endif() else() message(FATAL_ERROR "Unsupported CUDA compiler ${CMAKE_CUDA_COMPILER_ID}.") endif() set(CUDA_ARCH_BIN ${__CUDA_ARCH_BIN} CACHE STRING "Specify 'real' GPU architectures to build binaries for") if(POLICY CMP0104) cmake_policy(SET CMP0104 NEW) set(CMAKE_CUDA_ARCHITECTURES ${CUDA_ARCH_BIN}) message(STATUS "CMAKE_CUDA_ARCHITECTURES: ${CMAKE_CUDA_ARCHITECTURES}") #Add empty project as its not required with newer CMake add_library(pcl_cuda INTERFACE) else() # Generate SASS set(CMAKE_CUDA_ARCHITECTURES ${CUDA_ARCH_BIN}) # Generate PTX for last architecture list(GET CUDA_ARCH_BIN -1 ver) set(CMAKE_CUDA_FLAGS "${CMAKE_CUDA_FLAGS} -gencode arch=compute_${ver},code=compute_${ver}") message(STATUS "CMAKE_CUDA_FLAGS: ${CMAKE_CUDA_FLAGS}") add_library(pcl_cuda INTERFACE) target_include_directories(pcl_cuda INTERFACE ${CUDA_TOOLKIT_INCLUDE}) endif () endif()
05-30
这段代码是CMake脚本，主要用于检测CUDA是否安装，并设置CUDA相关的编译器标志和选项。 首先，它检查CUDA是否被找到，如果有就输出CUDA Toolkit的版本号，并启用CUDA编程语言。然后，它设置了一个名为HAVE_CUDA的变量为TRUE，以表示CUDA已被找到。 接下来，它检查CUDA的编译器ID是否为"NVIDIA"，如果是，就根据CUDA版本号设置__CUDA_ARCH_BIN变量，该变量包含了支持的GPU架构。如果CUDA版本号大于等于11.1，则通过执行nvcc命令获取支持的GPU架构列表，并将其存储在__CUDA_ARCH_BIN变量中。如果CUDA版本号在11.0到10.0之间，则设置__CUDA_ARCH_BIN变量为支持的GPU架构列表。如果CUDA版本号在9.1及以下，则设置__CUDA_ARCH_BIN变量为支持的GPU架构列表。 如果CUDA编译器ID不是"NVIDIA"，则会输出一个错误信息，表示不支持该CUDA编译器。 最后，它设置了一个名为CUDA_ARCH_BIN的缓存变量，该变量包含了要为哪些GPU架构构建代码的选项。然后，它使用CMake策略CMP0104来设置CMAKE_CUDA_ARCHITECTURES变量，该变量指定要为哪些GPU架构生成代码。如果未设置CMP0104策略，则会设置CMAKE_CUDA_FLAGS变量来指定要为哪些GPU架构生成代码，并将CUDA_TOOLKIT_INCLUDE路径添加到pcl_cuda库的包含目录中。最后，它创建一个名为pcl_cuda的接口库，以便在其他目标中链接CUDA库。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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