转载:服务器多版本cuda切换

本文介绍如何在同一台机器上安装并切换不同版本的CUDA。主要内容包括查看当前CUDA版本的方法、修改.bashrc文件来配置环境变量的过程,以及通过软链接方式快速切换到不同版本的具体步骤。
部署运行你感兴趣的模型镜像
同一台机子可以兼容多个版本的CUDA的,这两天就要这么来回折腾,稍显麻烦。

1. 查看当前机子上CUDA版本;
[plain]  view plain  copy
  1. nvcc --version  
由此可以看到当前是CUDA 8.0。

2. 修改.bashrc文件。
[plain]  view plain  copy
  1. export PATH=$PATH:/usr/local/cuda-8.0/bin  
  2. export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-8.0/lib64  
  3. export LIBRARY_PATH=$LIBRARY_PATH:/usr/local/cuda-8.0/lib64  
把以上这种添加变量的方式改为如下:
[plain]  view plain  copy
  1. export PATH=$PATH:/usr/local/cuda/bin  
  2. export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64  
  3. export LIBRARY_PATH=$LIBRARY_PATH:/usr/local/cuda/lib64  
修改之后,需要刷新一下:
[plain]  view plain  copy
  1. source .bashrc  

那么下面切换为CUDA 9.0版本。

2. 从官网下载 CUDA 9.0的run文件,安装过程中,选择不建立软连接。

3.  切换CUDA 9.0,使用下面命令。
[plain]  view plain  copy
  1. sudo rm -rf /usr/local/cuda  
  2. sudo ln -s /usr/local/cuda-9.0 /usr/local/cuda  
  3. nvcc --version  
这时就可以看到当前的CUDA版本变为9.0了。

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

### 如何在服务器上安装并管理多个版本的CUDA服务器上安装并管理多个版本的CUDA是一项常见的任务,尤其是在需要支持多种深度学习框架或不同项目需求时。以下是详细的说明: #### 1. 确定显卡驱动与CUDA版本的兼容性 在安装CUDA之前,必须确认当前服务器上的显卡驱动版本是否与目标CUDA版本兼容。可以通过以下命令查看显卡驱动版本: ```bash cat /proc/driver/nvidia/version ``` 确保所选的CUDA版本支持该驱动版本[^2]。 #### 2. 下载CUDA工具包 从NVIDIA官方提供的CUDA Toolkit Archive页面下载所需的CUDA版本。例如,可以下载CUDA 11.8和CUDA 12.0,并将其分别安装到不同的目录中: - CUDA 11.8: `/usr/local/cuda-11.8/` - CUDA 12.0: `/usr/local/cuda-12.0/`[^5]。 #### 3. 安装CUDA 在安装过程中,如果已经存在其他版本的CUDA,则可以选择不安装驱动程序(避免覆盖现有驱动)。具体步骤如下: - 使用上下键选择“Continue”,然后按回车。 - 输入“accept”以同意用户协议。 - 如果仅安装新版本的CUDA而不影响现有版本,取消对驱动程序的选择,然后选择“install”进行安装。 - 按照提示完成安装过程[^4]。 #### 4. 设置环境变量 为了实现CUDA版本的切换,需要通过修改环境变量来指定当前使用的CUDA版本。可以在用户的`.bashrc`文件中添加以下内容: ```bash # 切换CUDA 11.8 export PATH=/usr/local/cuda-11.8/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH # 切换CUDA 12.0 export PATH=/usr/local/cuda-12.0/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-12.0/lib64:$LD_LIBRARY_PATH ``` 每次切换CUDA版本时,只需加载相应的环境变量设置[^3]。 #### 5. 使用脚本自动化切换 为了简化CUDA版本的切换操作,可以使用第三方脚本工具。例如,参考GitHub上的`switch-cuda`脚本,它可以自动修改环境变量并切换CUDA版本[^1]。 #### 6. 验证安装 完成安装后,可以通过以下命令验证CUDA是否正确安装以及当前使用的版本: ```bash nvcc --version ``` 此外,还可以运行一些示例代码以确保CUDA功能正常[^5]。 ```python import torch print(torch.cuda.is_available()) print(torch.version.cuda) ```
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
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