如何安装多个版本的CUDA

本文档详细介绍了如何在已安装CUDA10.0的Ubuntu 16.04系统上安装CUDA9.0,包括下载运行文件、设置权限、安装过程及环境变量配置等关键步骤。

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

 

转载自: https://www.cnblogs.com/JsonZhangAA/p/10635155.html

 

我的机器是CUDA16.04的,之前装过CUDA10.0,因为一些原因,现在需要安转CUDA9.0。

1.首先https://developer.nvidia.com/cuda-90-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=runfilelocal

下载run版本的(如果之前没装过CUDA,可以下载deb版本的)

2.按照上面的教程

sudo chmod +x cuda_9.0.176_384.81_linux.run # 为 cuda_9.0.176_384.81_linux.run 添加可执行权限 
./cuda_9.0.176_384.81_linux.run # 安装 cuda_9.0.176_384.81_linux.run

3.相关参数的设置

Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81?

(y)es/(n)o/(q)uit: n #我已经装过CUDA10了,所以不需要安转9.0的显卡驱动

Install the CUDA 9.0 Toolkit? 
(y)es/(n)o/(q)uit: y


/usr/local/cuda-9.0 is not writable. 
Do you wish to run the installation with 'sudo'? (y)es/(n)o: y #使用超级用户权限

Please enter your password: Do you want to install a symbolic link at /usr/local/cuda? # 是否将安装目录通过软连接的方式 link 到 /usr/local/cuda,yes or no 都可以,取决于你是否使用 /usr/local/cuda 为默认的 cuda 目录。 
(y)es/(n)o/(q)uit: y  #我目前需要使用9.0

 

Enter Toolkit Location
[ default is /usr/local/cuda-9.0 ]:#直接回车

4.安转结束后相关环境变量的设置

Finished copying samples.

===========
= Summary =
===========

Driver:   Not Selected
Toolkit:  Installed in /usr/local/cuda-9.0
Samples:  Installed in /usr/local/cuda-9.0/Samples

Please make sure that
 -   PATH includes /usr/local/cuda-9.0/bin
 -   LD_LIBRARY_PATH includes /usr/local/cuda-9.0/lib64, or, add /usr/local/cuda-9.0/lib64 to /etc/ld.so.conf and run ldconfig as root

To uninstall the CUDA Toolkit, run the uninstall script in /usr/local/cuda-9.0/bin

Please see CUDA_Installation_Guide_Linux.pdf in /usr/local/cuda-9.0/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 384.00 is required for CUDA 9.0 functionality to work.
To install the driver using this installer, run the following command, replacing <CudaInstaller> with the name of this run file:
    sudo <CudaInstaller>.run -silent -driver

Logfile is /tmp/cuda_install_11003.log

如上,需要设置PATH和LD_LIBRARY_PATH两个变量,在./bashrc文件中修改即可,记得要source一些./bashrc,让其生效。

完成上面这些步骤后,就可以进行多个版本的切换了,直接修改/usr/local/cuda即可,使其指向不同版本的CUDA。

### 如何通过 Conda 安装多个 CUDA 版本 为了在 Conda 中管理多个 CUDA 版本,可以创建独立的环境来隔离不同版本的依赖关系。以下是实现这一目标的具体方法: #### 创建特定 CUDA 版本的 Conda 环境 可以通过指定 `cudatoolkit` 的精确版本号来安装所需的 CUDA 工具包。例如,要安装 CUDA 10.2 和 CUDA 11.3,分别执行以下命令: ```bash # 创建带有 CUDA 10.2 的环境 conda create -n cuda102_env cudatoolkit=10.2 python=3.8 # 创建带有 CUDA 11.3 的环境 conda create -n cuda113_env cudatoolkit=11.3 python=3.8 ``` 上述命令会自动解析并下载与所选 CUDA 版本兼容的软件包[^1]。 #### 验证已安装CUDA 版本 进入相应的 Conda 环境后,可通过以下方式验证当前环境中使用的 CUDA 版本: ```bash # 查看当前环境中安装cudatoolkit 版本 conda list | grep cudatoolkit ``` 此操作将返回类似于 `cudatoolkit 10.2.* h6bb024c_0 nvidia` 的输出,表明该环境中的 CUDA 工具集版本。 #### 使用 NVIDIA PyTorch 容器优化 GPU 加速 如果计划运行基于 PyTorch 或其他深度学习框架的工作负载,则建议利用 NVIDIA 提供的预配置容器镜像。这些镜像已经针对 NVIDIA GPU 进行了性能调优,并包含了必要的驱动程序和库支持[^3]。 然而需要注意的是,在本地开发阶段仍然推荐使用 Conda 来单独控制各个项目的 CUDA 设置以便于调试以及维护项目之间的独立性。 #### 解决 MultiQC 安装错误提示 对于提到尝试安装 MultiQC 所遇到的问题,可能是因为某些 Python 子版本不完全匹配或者存在冲突的情况所致[^2]。在这种情况下,除了调整 Python 主次版本外还可以考虑更新整个 Anaconda 发行版至最新状态以获得更好的兼容性和稳定性改进: ```bash # 更新 conda 自身到最新版本 conda update conda # 升级 anaconda 元包 conda update anaconda ``` 完成以上步骤后再重新尝试 MultiQC 的安装过程可能会有所帮助。 ---
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