cudnn更改版本

Nvidia-cudnn官网
https://developer.nvidia.com/cuDNN
注册一个nvidia帐号,最后通过邮箱激活
点击网页上的放大镜搜索cudnn
选择
cuDNN Archive | NVIDIA Developer
选择你要下载的v3或者v5版本
1、解压出一个名为cuda的文件夹,文件夹中有include和lib64两个文件夹
2、删除原来的cudnn

sudo rm -rf /usr/local/cuda/include/cudnn.h
sudo rm -rf /usr/local/cuda/lib64/libcudnn*
   
  • 1
  • 2

3、安装安装需要版本的cudnn,在终端cd到刚解压的cuda文件夹

sudo cp include/cudnn.h /usr/local/cuda/include/
sudo cp lib64/lib* /usr/local/cuda/lib64/
   
  • 1
  • 2

4、cd到/usr/local/cuda/lib64/文件夹下,建立软链接(注意版本号换成你自己的)so.从最长到次长

sudo chmod +r libcudnn.so.5.0.5  
sudo ln -sf libcudnn.so.5.0.5 libcudnn.so.5  
sudo ln -sf libcudnn.so.5 libcudnn.so  
sudo ldconfig  
   
  • 1
  • 2
  • 3
  • 4

5、检测

cd /usr/local/cuda/lib64/
ll
   
  • 1
  • 2

会显示出你已经建立的软链接记录
至此,cudnn版本更新完毕

                                            <link rel="stylesheet" href="https://csdnimg.cn/release/phoenix/production/markdown_views-68a8aad09e.css">
                                </div>
### 如何在服务器中切换不同版本cuDNN #### 背景说明 cuDNN 是 NVIDIA 提供的一个深度神经网络库,用于加速 GPU 上的深度学习计算。不同的深度学习框架(如 TensorFlow 和 PyTorch)对 cuDNN版本有严格的要求[^2]。因此,在服务器环境中切换 cuDNN 版本是一项常见的需求。 --- #### 方法一:通过软链接方式切换 cuDNN 版本 此方法适用于已经安装多个 cuDNN 版本的情况。假设已安装 `cudnn7.6.0` 对应于 `CUDA 10.1` 和 `cudnn7.3.1` 对应于 `CUDA 9.0`[^1]: 1. **确认当前使用的 CUDA 版本** 使用命令验证当前默认的 CUDA 版本: ```bash nvcc -V ``` 2. **创建或修改软链接** 假设目标是切换到 `cudnn7.6.0` 并关联至 `/usr/local/cuda/lib64/` 文件夹下的动态库文件,则执行以下操作: ```bash sudo rm -rf /usr/local/cuda/lib64/libcudnn.so* sudo cp /path/to/cudnn7.6.0/libcudnn.so* /usr/local/cuda/lib64/ sudo ldconfig ``` 如果需要切换回其他版本cuDNN,重复上述步骤并替换为目标版本的路径。 3. **验证 cuDNN 切换成功** 可以运行如下 Python 或 C++ 测试程序来加载指定版本cuDNN 库,并打印其版本号以确认切换是否生效。 --- #### 方法二:利用 `update-alternatives` 实现多版本管理 如果服务器支持 `update-alternatives` 工具,可以更方便地管理和切换 cuDNN 版本[^5]。 1. **注册各版本cuDNN 至 alternatives 系统** 将每种版本cuDNN 注册为可选方案: ```bash sudo update-alternatives --install /usr/local/cuda/include/cudnn.h cudnn-h /usr/local/cuda-10.1/include/cudnn.h 101 sudo update-alternatives --install /usr/local/cuda/lib64/libcudnn.so libcudnn-so /usr/local/cuda-10.1/lib64/libcudnn.so 101 sudo update-alternatives --install /usr/local/cuda/lib64/libcudnn_static.a libcudnn-static-a /usr/local/cuda-10.1/lib64/libcudnn_static.a 101 ``` 2. **设置所需的 cuDNN 版本** 执行以下命令选择所需版本: ```bash sudo update-alternatives --config cudnn-h sudo update-alternatives --config libcudnn-so sudo update-alternatives --config libcudnn-static-a ``` 3. **更新环境变量** 修改 `.bashrc` 文件中的路径指向新的 cuDNN 版本: ```bash export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH source ~/.bashrc ``` --- #### 方法三:手动调整环境变量 对于非 root 用户或者无法使用管理员权限的情况下,可以通过调整个人用户的环境变量实现版本切换。 1. 编辑用户级别的配置文件: ```bash nano ~/.bashrc ``` 2. 添加或更改以下内容以指向特定版本cuDNN 动态库路径: ```bash export PATH=/path/to/target-cuda/bin:$PATH export LD_LIBRARY_PATH=/path/to/target-cuda/lib64:$LD_LIBRARY_PATH ``` 3. 生效配置文件: ```bash source ~/.bashrc ``` --- #### 验证切换效果 无论采用哪种方法,都需要验证切换后的 cuDNN 是否正常工作。以下是测试脚本示例: ```python import tensorflow as tf print(tf.test.is_built_with_cuda()) # 检查是否启用 CUDA 支持 print(tf.config.list_physical_devices('GPU')) # 查看可用 GPU 设备 ``` 如果一切正常,应该能够看到 GPU 加速的相关日志输出。 --- ### 注意事项 - 不同版本cuDNN 必须与相应的 CUDA 版本兼容。 - 在切换过程中需小心处理旧版残留文件,以免污染新版本环境。 - 若涉及 TensorFlow 或 PyTorch 等框架,请提前查阅官方文档确认所依赖的具体版本组合[^4]。 ---
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