Ubuntu 20.04 + cuda 11.3 + cuDNN 8.2.1

本文详细指导了在Ubuntu系统上安装CUDA 11.3的步骤,包括驱动管理、cuDNN 8.2.1的下载和编译,以及遇到的问题如多驱动冲突和依赖库缺失的解决方案。重点介绍了如何解决编译sample时的GLUT和Vulkan库问题。

Ubuntu + cuda11.3+cuDNN8.2.1

安装CUDA11.3

查看当前驱动 然后卸载

查看
dpkg -l | grep nvidia
卸载
sudo apt-get purge nvidia*

清理链接

sudo apt autoremove

查询可用驱动
ubuntu-drivers devices

ubuntu-drivers devices
WARNING:root:_pkg_get_support nvidia-driver-390: package has invalid Support Legacyheader, cannot determine support level
WARNING:root:_pkg_get_support nvidia-driver-510-server: package has invalid Support PBheader, cannot determine support level
WARNING:root:_pkg_get_support nvidia-driver-510: package has invalid Support PBheader, cannot determine support level
== /sys/devices/pci0000:00/0000:00:02.0/0000:02:00.0/0000:03:10.0/0000:05:00.0 ==
modalias : pci:v000010DEd00001B80sv00001043sd0000859Bbc03sc00i00
vendor   : NVIDIA Corporation
model    : GP104 [GeForce GTX 1080]
driver   : nvidia-driver-390 - third-party non-free
driver   : nvidia-driver-470 - distro non-free recommended
driver   : nvidia-driver-510-server - distro non-free
driver   : nvidia-driver-418-server - distro non-free
driver   : nvidia-driver-510 - third-party non-free
driver   : nvidia-driver-470-server - distro non-free
driver   : nvidia-driver-450-server - distro non-free
driver   : xserver-xorg-video-nouveau - distro free builtin

自动安装推荐的驱动

sudo ubuntu-drivers autoinstall

安装完成后 reboot</

<think>嗯,用户现在问的是在Ubuntu 20.04上安装CUDA 11.3时,应该装哪个版本的cuDNN。首先,我得回忆一下CUDAcuDNN的版本对应关系。之前处理过类似的问题,知道cuDNN版本必须和CUDA版本匹配,否则会出问题。用户可能是在安装深度学习框架比如PyTorch或TensorFlow时遇到了兼容性问题,或者在运行某个需要GPU加速的程序时报错。 用户之前的问题是关于libcudnn.so.8文件太短的错误,可能他们在尝试解决那个问题之后,现在想要正确安装cuDNN。所以需要确保他们安装的cuDNN版本与CUDA 11.3兼容。根据NVIDIA的官方文档,CUDA 11.3对应的cuDNN版本通常是8.x.x系列。具体来说,cuDNN 8.2.18.3.2都是支持的。需要确认具体的版本号,可能还需要查看PyTorch或TensorFlow的版本要求,因为这些框架对cuDNN也有特定的依赖。 接下来,用户可能不知道如何正确安装cuDNN,或者从哪里下载。需要指导他们到NVIDIA官网下载对应版本,并按照步骤安装。此外,用户可能使用conda环境,这时候可以建议他们通过conda安装,但需要注意conda源中的cuDNN版本是否匹配。如果用户之前因为手动安装导致文件损坏,可能需要提醒他们使用conda来管理依赖,避免手动操作带来的问题。 另外,用户的操作系统是Ubuntu 20.04,这个系统对CUDAcuDNN的支持情况也需要确认。Ubuntu 20.04通常兼容CUDA 11.3,但需要安装相应的驱动版本。可能还需要检查NVIDIA驱动版本是否足够,因为CUDA 11.3需要驱动版本>=450.80.02。用户如果没有正确安装驱动,也可能导致后续问题。 最后,用户可能需要验证安装是否成功,可以建议他们运行一些测试命令,比如检查cuDNN的版本,或者在Python中导入torch并查看cudnn是否可用。确保他们每一步都有明确的指令,避免遗漏任何步骤导致安装失败。</think>在 **Ubuntu 20.04 + CUDA 11.3** 的组合中,官方推荐安装 **cuDNN 8.x** 系列版本。以下是具体版本对应关系和安装指南: --- ### **1. 版本匹配建议** | CUDA 版本 | 兼容的 cuDNN 版本 | |------------|--------------------| | CUDA 11.3 | **cuDNN 8.2.1** | | | **cuDNN 8.3.2** | - **推荐选择**:优先使用 **cuDNN 8.2.1**(稳定性已验证),或根据深度学习框架要求选择更高版本(如 PyTorch/TensorFlow 明确支持的版本)。 --- ### **2. 安装步骤** #### **(1) 从 NVIDIA 官网下载 cuDNN** 1. 访问 [cuDNN 下载页面](https://developer.nvidia.com/rdp/cudnn-archive)(需注册 NVIDIA 账号)。 2. 选择对应 CUDA 11.3cuDNN 版本: - 查找 `Download cuDNN v8.x.x (October 2021)` 或类似标题。 - 选择 **cuDNN Library for Linux (x86_64)**。 #### **(2) 手动安装 cuDNN** ```bash # 解压下载的 cuDNN 文件(以 cuDNN 8.2.1 为例) tar -xzvf cudnn-11.3-linux-x64-v8.2.1.32.tgz # 复制文件到 CUDA 目录(需根据实际路径调整) sudo cp cuda/include/cudnn*.h /usr/local/cuda-11.3/include/ sudo cp cuda/lib64/libcudnn* /usr/local/cuda-11.3/lib64/ # 设置权限 sudo chmod a+r /usr/local/cuda-11.3/include/cudnn*.h sudo chmod a+r /usr/local/cuda-11.3/lib64/libcudnn* ``` #### **(3) 配置环境变量** ```bash # 编辑 ~/.bashrc echo &#39;export LD_LIBRARY_PATH=/usr/local/cuda-11.3/lib64:$LD_LIBRARY_PATH&#39; >> ~/.bashrc source ~/.bashrc ``` --- ### **3. 通过 Conda 安装(推荐)** 如果使用 Conda 环境,可直接安装兼容的 PyTorch + cuDNN 组合: ```bash conda create -n yolov5 python=3.8 conda activate yolov5 conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch ``` - Conda 会自动安装匹配的 cuDNN 版本(无需手动操作)。 --- ### **4. 验证安装** ```bash # 检查 cuDNN 版本 cat /usr/local/cuda-11.3/include/cudnn_version.h | grep CUDNN_MAJOR -A 2 # 或通过 Python 代码验证 python -c "import torch; print(torch.backends.cudnn.version())" ``` - 输出应为 `8xxx`(例如 `8201` 表示 cuDNN 8.2.1)。 --- ### **常见问题** 1. **版本冲突** 若使用 `conda` 安装 PyTorch,确保 `cudatoolkit=11.3` 与 cuDNN 版本匹配。 2. **文件权限问题** 手动安装时若报错权限不足,在命令前加 `sudo`。 3. **驱动兼容性** CUDA 11.3 需要 NVIDIA 驱动版本 ≥ **450.80.02**,可通过 `nvidia-smi` 确认。 --- ### **附:CUDA 11.3 支持范围** - **操作系统**:Ubuntu 20.04/18.04, CentOS 7/8 - **NVIDIA 驱动**:≥ 450.80.02 - **深度学习框架**: - PyTorch ≥ 1.10 - TensorFlow ≥ 2.6
评论 4
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

打赏作者

lin_AIOS

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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