torch7+ubuntu16.04+cuda8.0+cudnn5+hdf5+matlab2016安装

本文详细记录了CUDA和cuDNN的安装步骤,并提供了Torch7及其依赖hdf5的安装方法。从官方下载CUDA驱动及cuDNN库文件,通过修改环境变量并调整编译链接设置完成安装。此外,还分享了Matlab安装的经验。

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

折腾了好几天,踩了好多坑,终于装好,整理一下,以备后续再用。

参考网址

https://www.cnblogs.com/darkknightzh/p/5668471.html

https://jingyan.baidu.com/article/cbcede077e1ebe02f40b4d1e.html

Deep Learning Frameworks | NVIDIA Developer,Torch supports cuDNN v5 for GPU acceleration.


1、cuda官网下载cuda-repo-ubuntu1604_9.1.85-1_amd64.deb,用sudo apt list |grep cuda(版本);

2、cudnn下载,

cuDNN Archive | NVIDIA Developer,Download cuDNN v5 (May 27, 2016), for CUDA 8.0

LINUX

    cd <installpath>
    export LD_LIBRARY_PATH=`pwd`:$LD_LIBRARY_PATH

    Add <installpath> to your build and link process by adding -I<installpath> to your compile
    line and -L<installpath> -lcudnn to your link line.

安装过程参考博客https://www.cnblogs.com/darkknightzh/p/5668471.html,
3、hdf5 安装,要安装torch-hdf5,

https://jingyan.baidu.com/article/cbcede077e1ebe02f40b4d1e.html

4、matlab安装 ,
参考网址:http://blog.youkuaiyun.com/minione_2016/article/details/53313271,

6、torch7 安装官网


安装一个新软件包:

apt-get install packagename

卸载一个已安装的软件包(保留配置文件):

apt-get remove packagename


<think>好的,我需要帮用户解决在CentOS7上使用RTX4090离线安装CUDAcuDNN和PyTorch的问题。首先,我得理清步骤,确保每个环节都正确。 用户提到是离线安装,所以需要提前下载所有依赖包。RTX4090属于Ampere架构,需要CUDA 11.8及以上版本支持。根据引用[3]和[4],安装CUDA时要选择对应版本,比如11.8或12.x,但要注意PyTorch的兼容性。需要确认用户是否需要特定版本的PyTorch,比如是否支持CUDA 12。 然后是驱动安装。CentOS7可能需要禁用Nouveau驱动,用户可能需要修改grub配置文件,这一步在引用[1]和[4]中都有提到。安装驱动时使用.run文件,但要注意内核版本是否匹配,可能需要安装kernel-devel和kernel-headers。 接下来是CUDA安装,离线情况下需要下载runfile本地文件。安装过程中要确保不重复安装驱动,因为用户可能已经安装了驱动。环境变量配置在.bashrc中,如引用[4]所示,需要设置CUDA_HOME和PATH。 cuDNN安装需要解压文件并复制到CUDA目录,这部分在引用[3]和[4]中有说明,尤其是覆盖文件时的注意事项。离线安装PyTorch比较麻烦,需要下载所有相关的whl文件,包括torchtorchvision、torchaudio以及依赖如ninja、deepspeed等,如引用[2]提到的。用户可能需要从其他机器下载这些包,然后通过pip安装。 最后验证安装,使用nvidia-smi、nvcc --version和PyTorch测试脚本。需要提醒用户注意版本兼容性,例如PyTorch 2.x对CUDA 12的支持情况,或者是否需要回退到CUDA 11.8。 可能遇到的问题包括依赖缺失、内核版本不兼容、环境变量配置错误等,需要指导用户如何处理这些情况。比如,如果安装驱动时提示内核问题,可能需要升级内核或安装对应的开发包。 总结步骤:准备离线包→安装驱动→安装CUDA→配置环境变量→安装cuDNN→准备PyTorch的离线包→安装PyTorch及其依赖→验证安装。整个过程需要严格按照版本兼容性来操作,避免因版本不匹配导致的错误。</think>### CentOS7 RTX4090 离线安装 CUDA/cuDNN/PyTorch 指南 #### 一、准备工作 1. **系统兼容性检查** - 确认内核版本:`uname -r`,需为`3.10.0-1160`或更高[^4] - 禁用Nouveau驱动: ```bash echo "blacklist nouveau" > /etc/modprobe.d/blacklist-nouveau.conf reboot ``` 2. **离线包下载** - **NVIDIA驱动**:从[NVIDIA官网](https://www.nvidia.com/Download/index.aspx)下载RTX4090的Linux x86_64驱动(建议版本≥525.60) - **CUDA Toolkit**:下载`runfile(local)`格式的CUDA 11.8或12.x(RTX4090CUDA≥11.8)[^1][^3] - **cuDNN**:下载与CUDA版本匹配的`tar`包(需注册NVIDIA开发者账号) - **PyTorch**:从[PyTorch官网](https://download.pytorch.org/whl/torch_stable.html)下载对应CUDA版本的`torch-*.whl`及依赖包(如torchvision、torchaudio) --- #### 二、安装NVIDIA驱动 ```bash chmod +x NVIDIA-Linux-x86_64-*.run ./NVIDIA-Linux-x86_64-*.run --no-opengl-files --disable-nouveau ``` - 若提示`Unable to find kernel source`,需安装: ```bash yum install kernel-devel-$(uname -r) kernel-headers-$(uname -r) ``` --- #### 三、离线安装CUDA 1. 执行CUDA安装(跳过驱动安装): ```bash chmod +x cuda_*.run ./cuda_*.run --toolkit --silent --override ``` 2. 配置环境变量: ```bash echo 'export CUDA_HOME=/usr/local/cuda' >> ~/.bashrc echo 'export PATH=$CUDA_HOME/bin:$PATH' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc source ~/.bashrc ``` --- #### 四、安装cuDNN 1. 解压并复制文件: ```bash tar -xzvf cudnn-*.tar.gz cp cuda/include/* /usr/local/cuda/include/ cp cuda/lib64/* /usr/local/cuda/lib64/ ``` 2. 验证安装: ```bash ldconfig -v | grep cudnn ``` --- #### 五、离线安装PyTorch 1. 将所有`.whl`文件拷贝到离线环境 2. 通过`pip`本地安装: ```bash pip install torch-*.whl torchvision-*.whl torchaudio-*.whl --no-index --find-links=. ``` 3. 验证PyTorch: ```python import torch print(torch.cuda.is_available()) # 应输出True print(torch.__version__) # 示例:2.4.0+cu121 ``` --- #### 六、注意事项 1. **版本兼容性** - RTX4090CUDA≥11.8 + PyTorch≥2.0[^2] - 若使用CUDA 12.x,需PyTorch≥2.4.0 2. **离线依赖处理** - 需提前下载`ninja`, `packaging`等依赖包(参考引用[2])
评论 1
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