手把手安装CUDA运行环境

本文提供了一套详细的指南,帮助读者在Ubuntu 10.04 LTS 64位系统中顺利安装CUDA 3.1版本,以充分发挥C2050计算卡的能力。文中不仅介绍了如何安装Ubuntu和必要的显卡驱动,还详细解释了如何配置环境变量、验证安装及编译SDK。
部署运行你感兴趣的模型镜像

文章来自:http://ccoe.sjtu.edu.cn/blog/?p=171

Linux:

在阅读本部分安装文档前,希望读者能找本《21天搞定Linux》、《Linux速成》之类的书籍翻阅下,或者稍微浏览下网页http://linux.chinaunix.net/

  1. 安装 Ubuntu 10.04 LTS 64-bit版本;(9.04版本不能识别双C2050)

1) 下载Ubuntu镜像文件,链接http://www.ubuntu.com/desktop/get-ubuntu/download 如果读者手头没有刻录机,可选择从硬盘安装,不过这种方法说起来比较复杂,读者还可以选择让Canonical公司从太平洋彼岸免费邮寄过来,建议多要些分发给周围同事,因为邮寄一张和一包的费用对他们来说是一样滴!

2) 使用Demon (下载链接见上文所述)加载镜像文件。请准备一张空CD盘(大小不到700MB,刚好)放于光驱中,如果读者使用的的操作系统是XP,那么请安装nero刻录软件,按该软件使用说明进行刻录;如果读者使用的是Win 7,恭喜你!只需选中镜像文件,单击鼠标右键,选择“刻录光盘映像”。没错,就是这么简单!

3)      可能有些读者对于Ubuntu的稳定性颇有微词,那么可以下载fedora进行安装,链接http://fedoraproject.org/

2.  从官网上下载对应版本的CUDA driver 以及toolkit和SDK;链接地址:http://developer.nvidia.com/object/cuda_3_1_downloads.html

注意:为了让C2050这枚利器发挥最大威力,建议安装3.1版本,来更好地利用Concurrent Kernel这一新功能。

3.  安装Developer Drivers for Linux (256.40)(64-bit)

1)         由于Ubuntu默认不使用超级用户,故首先在Ubuntu界面左上角选择system->administration->Users and Groups 开启里面的root,这样可以使用root用户,也可在命令行中使用 sudo –i开启超级用户。

2)         按组合键“Ctrl+Alt+F2”进入命令行登录界面,登录Linux,使用如下命令关闭gnome:sudo /etc/init.d/gdm stop init 3

打开终端(Applications->Acceseries->Terminal)如入以上命令即可;

3)        进入显卡驱动Develper Driver所在目录,使用如下命令默认安装 sudo sh ./devdriver_3.1_linux_64_256.40.run

4)        重启 Linux OS;

4.  安装toolkit和SDK

1)进入toolkit和SDK所在目录,使用如下命令按默认的设置安装:

sudo sh ./ cudatoolkit_3.1_linux_64_ubuntu9.10.run

sudo sh ./ gpucomputingsdk_3.1_linux.run

2)    设置环境变量;

(1)   打开终端输入如下命令:sudo vim ~/.bashrc打开隐藏文件.bashrc;

(2)   文件末尾vim输入:

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

(3)   保存推出后,在终端输入:

source ~/.bashrc

5.   验证CUDA 安装是否正确;

在终端输入 : nvcc –V ,如果安装正确,可以显示版本号。

6.  编译CUDA SDK;假设我的linux系统用户名是gpu1,在终端输入:

cd /home/meng/NVIDIA_GPU_Computing_SDK/C/

sudo make x86_64=1

正确的话可以编译成功,这时,进入bin文件夹:

cd bin/linux/release

./deviceQuery

如果编译正确,可查看各块计算卡的信息。

安装过程注意事项:

Ubuntu安装完毕后不要急于安装CUDA,首先应进行升级操作;

sudo apt-get install build-essential

sudo apt-get update

一些其他包的安装:

(Fixes “cannot find -lXi” error)

libxext-dev

libxi-dev

x11proto-xext-dev

(Fixes “cannot find -lXmu” error)

libice-dev

libsm-dev

libxt-dev

libxmu-headers

libxmu-dev

(Fixes “cannot find -lglut” error)

freeglut3-dev

libglut3-dev

Solution for cannot find -lXi -lXmu -lglut: Install missing libraries.

sudo apt-get install libxext-dev libxi-dev x11proto-xext-dev libice-dev libsm-dev libxt-dev libxmu-headers libxmu-dev freeglut3-dev libglut3-dev

Solution for cannot find -lGL: There is a broken link for libGL.so, replace it.

sudo rm /usr/lib/libGL.so; sudo ln -s /usr/lib/libGL.so.1 /usr/lib/libGL.so

如果编译时遇到错误:errorwhileloading shared libraries: libcudart.so.3,首先确认LD_LIBRARY_PATH是否包含了cuda的lib目录,如果是,则进行如下操作:

vim /etc/ld.so.conf

在其中添加:/usr/local/cuda/lib64

/usr/local/cuda/lib  保存退出。

然后命令终端中输入:

ldconfig

ldconfig -v | grep cuda

错误即可解决。

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

<think>好的,用户之前问了如何查找NVIDIA CUDA示例包的位置,现在他问的是在Ubuntu安装CUDA和cuDNN的步骤。我需要提供一个详细的、手把手的指南,确保他能够一步步操作。 首先,我应该确认用户的需求。他可能正在配置深度学习环境,需要安装CUDA和cuDNN来支持GPU加速。用户可能是开发者或者研究人员,对Linux系统有一定了解,但可能需要明确的步骤指导,避免常见的错误。 接下来,我需要回忆在Ubuntu安装CUDA和cuDNN的标准流程。通常步骤包括:安装前的准备(检查GPU兼容性、安装驱动)、安装CUDA Toolkit、配置环境变量、安装cuDNN,最后验证安装是否成功。 在安装前的准备部分,用户需要确认自己的GPU是否支持CUDA,可以通过NVIDIA官网查看兼容列表。然后需要安装合适的驱动,推荐使用官方驱动而不是开源版本,因为兼容性更好。这里可能需要禁用nouveau驱动,避免冲突。 安装CUDA时,用户可以通过runfile或者deb包安装。runfile方式更灵活,但需要关闭图形界面,对于新手来说可能有点复杂,但更可靠。需要指导用户下载对应版本的CUDA,并运行安装命令,同时注意在安装过程中不重复安装驱动,如果之前已经安装了驱动的话。 配置环境变量是重要的一步,确保nvcc等命令能被正确识别。需要编辑.bashrc文件,并source使其生效。 安装cuDNN的话,用户需要注册NVIDIA开发者账号,下载对应CUDA版本的cuDNN包。使用tar解压或者deb包安装,然后复制文件到CUDA目录,并设置权限。这部分需要详细说明每个步骤,避免文件路径错误。 验证安装部分,用户需要编译CUDA示例,运行deviceQuery和bandwidthTest来确认CUDA是否正常工作。对于cuDNN,可以通过头文件和库文件的存在性检查,或者运行示例代码来测试。 用户可能遇到的问题包括驱动冲突、版本不匹配、环境变量配置错误等。需要在注意事项里提到这些,并给出解决方法,比如卸载旧版本、检查路径、确认下载文件的版本等。 另外,用户可能对命令行操作不太熟悉,所以每个步骤都要给出具体的命令,并解释其作用。比如在禁用nouveau时,需要修改黑名单文件并更新initramfs,然后重启,这些步骤都要详细说明。 最后,确保整个流程逻辑清晰,步骤明确,用户按照步骤操作不会有遗漏。同时,提醒用户注意版本兼容性,这是安装过程中常见的问题,特别是CUDA和cuDNN的版本必须匹配,以及和深度学习框架的兼容性。</think>以下是在Ubuntu系统上**手把手安装CUDA和cuDNN**的详细指南,包含完整流程和避坑要点: --- ### 一、安装前准备 #### 1. 确认硬件兼容性 ```bash lspci | grep -i nvidia # 确认NVIDIA GPU存在 ``` #### 2. 禁用开源驱动nouveau ```bash sudo nano /etc/modprobe.d/blacklist-nouveau.conf ``` 添加内容: ```bash blacklist nouveau options nouveau modeset=0 ``` 执行: ```bash sudo update-initramfs -u && sudo reboot ``` --- ### 二、安装NVIDIA驱动 #### 1. 添加官方驱动仓库 ```bash sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt update ``` #### 2. 自动安装推荐驱动 ```bash ubuntu-drivers devices # 查看推荐版本 sudo apt install nvidia-driver-535 # 选择推荐版本号 sudo reboot ``` #### 3. 验证驱动 ```bash nvidia-smi # 应显示GPU状态 ``` --- ### 三、安装CUDA Toolkit #### 1. 下载CUDA 访问[NVIDIA CUDA下载页](https://developer.nvidia.com/cuda-downloads)选择: - Operating System: Linux - Architecture: x86_64 - Distribution: Ubuntu - Version: 选择对应版本(如22.04) - Installer Type: **runfile (local)** #### 2. 安装CUDA(以CUDA 12.2为例) ```bash wget https://developer.download.nvidia.com/compute/cuda/12.2.2/local_installers/cuda_12.2.2_535.104.05_linux.run sudo sh cuda_12.2.2_535.104.05_linux.run ``` **安装选项**: - 取消勾选`Driver`(已提前安装驱动) - 确认勾选`CUDA Toolkit 12.2` #### 3. 配置环境变量 ```bash sudo nano ~/.bashrc ``` 添加: ```bash export PATH=/usr/local/cuda-12.2/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-12.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} ``` 生效配置: ```bash source ~/.bashrc ``` #### 4. 验证CUDA ```bash nvcc --version # 应显示CUDA版本 ``` --- ### 四、安装cuDNN #### 1. 下载cuDNN 访问[cuDNN下载页](https://developer.nvidia.com/cudnn)(需注册账号),选择: - 与CUDA版本匹配的cuDNN(如CUDA 12.x → cuDNN 8.9.x) - 下载**Local Installer for Linux (Tar)** #### 2. 手动安装 ```bash tar -xzvf cudnn-linux-x86_64-8.9.6.50_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* ``` --- ### 五、验证安装 #### 1. 编译CUDA示例 ```bash cd /usr/local/cuda/samples/1_Utilities/deviceQuery sudo make ./deviceQuery # 应返回"Result = PASS" ``` #### 2. 验证cuDNN ```bash cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2 ``` --- ### 六、注意事项 1. **版本匹配**:CUDA/cuDNN/驱动版本需严格对应(参考[NVIDIA兼容性表](https://docs.nvidia.com/deeplearning/cudnn/support-matrix/index.html)) 2. **多版本管理**:可通过`update-alternatives`管理多个CUDA版本 3. **环境变量冲突**:若使用Anaconda,需在虚拟环境中重新配置路径 4. **完整验证**:建议运行深度学习框架测试(如TensorFlow/PyTorch) 通过以上步骤,即可完成Ubuntu系统下CUDA和cuDNN的完整部署。如遇安装失败,建议查看`/var/log/cuda-installer.log`获取详细错误信息。
评论
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