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>
<think>我们参考了上述引用内容,特别是引用[1]和[引用3],它们都提到了卸载cuDNN的方法。根据引用[3]:cuDNN通常不提供标准的卸载程序,因为它是一系列的库文件和一个包含头文件的目录。因此,卸载cuDNN主要是手动删除相关文件和环境变量设置。 注意:卸载操作需要谨慎,建议在操作前备份重要数据。 卸载旧版本cuDNN的步骤如下(以Windows和Linux为例): ### Windows系统卸载cuDNN 1. **删除cuDNN文件**: - 打开CUDA的安装目录(例如:`C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.X`,其中`X.X`是你的CUDA版本号)。 - 在`bin`、`include`、`lib`(或`lib\x64`)等子目录中,删除所有与cuDNN相关的文件。这些文件通常以`cudnn`为前缀,例如: - `bin\cudnn*.dll` - `include\cudnn*.h` - `lib\x64\cudnn*.lib` 2. **清理环境变量**: - 右键点击“此电脑”选择“属性”,然后选择“高级系统设置” -> “环境变量”。 - 在“系统变量”中,检查是否有与cuDNN相关的变量(如`CUDNN_HOME`等),如果有则删除。 - 在`PATH`环境变量中,移除指向旧版本cuDNN目录的路径(如果有的话)。 3. **清理注册表(可选,但需谨慎)**: - 使用注册表编辑器(运行`regedit`),搜索与cuDNN相关的项(如`cudnn`或对应版本号),删除相关条目(如果不确定,建议不要随意删除注册表项)。 ### Linux系统卸载cuDNN 引用[2]提到了在Ubuntu系统下卸载CUDA和cuDNN的方法,但重点在于CUDA的卸载。对于cuDNN,由于它只是库文件,通常通过以下步骤删除: 1. **删除cuDNN文件**: - 通常cuDNN文件被解压到CUDA的安装目录(如`/usr/local/cuda`)中,因此需要手动删除这些文件。 - 使用以下命令查找cuDNN相关文件(注意:请根据实际安装的版本调整路径和文件名): ```bash sudo find /usr/local/cuda-* -name "*cudnn*" ``` - 确认文件列表后,使用`rm`命令删除这些文件。例如: ```bash sudo rm /usr/local/cuda/include/cudnn.h sudo rm /usr/local/cuda/lib64/libcudnn* ``` - 注意:如果cuDNN是通过包管理器(如`apt`)安装的,则可以使用包管理器卸载。但通常官方提供的cuDNN是压缩包形式,所以需要手动删除。 2. **清理环境变量**: - 编辑`~/.bashrc`(或`~/.profile`)文件,移除或注释掉与cuDNN相关的环境变量设置(如`CUDNN_HOME`等)。 - 同时,检查`PATH`环境变量中是否包含cuDNN的路径,如果有则移除。 - 使用`source ~/.bashrc`使更改生效。 3. **验证卸载**: - 重新打开终端,运行`nvcc -V`检查CUDA是否还在(注意:卸载cuDNN不会影响CUDA,所以CUDA应该还能使用,只是cuDNN被移除了)。 - 尝试编译或运行一个使用cuDNN的程序,应该会提示缺少cuDNN库。 ### 注意事项 - 在删除文件前,请确保你知道这些文件的作用,避免误删其他重要文件。 - 如果你使用的是多版本CUDA,并且通过软链接管理(例如`/usr/local/cuda`指向具体版本),在删除cuDNN时请确保你操作的是正确的版本对应的目录。 通过以上步骤,你应该能够彻底卸载旧版本cuDNN。 §§相关问题§§ 1. 如何验证cuDNN是否已成功卸载? 2. 在Linux系统中,如何安全地安装多个版本的CUDA和cuDNN? 3. 卸载cuDNN后,如何重新安装新版本cuDNN? 4. 如果误删了系统文件,如何恢复? </think> ### 如何卸载旧版本 cuDNN 以下是 Windows 和 Linux 系统的详细卸载方法,根据引用[1]和引用[3]的指导整理: #### **Windows 系统** 1. **删除 cuDNN 文件** - 打开 CUDA 安装目录(默认路径:`C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.X`,`X.X`为版本号) - 在以下子目录中删除所有含 `cudnn` 字段的文件: - `bin` 目录(删除 `.dll` 文件) - `include` 目录(删除 `.h` 头文件) - `lib\x64` 目录(删除 `.lib` 文件) - *示例*:删除 `cudnn_cnn_infer64_8.dll`、`cudnn.h` 等文件[^3]。 2. **清理环境变量** - 打开 **系统属性** → **环境变量** - 删除系统变量中的 `CUDNN_HOME`(若存在) - 在 `PATH` 变量中移除所有指向旧版 cuDNN 的路径。 3. **清理注册表(谨慎操作)** - 按 `Win+R` 输入 `regedit` 打开注册表 - 搜索 `cudnn` 和 `cuda` 关键词,删除与旧版本相关的项(建议备份注册表)。 #### **Linux 系统**(Ubuntu 示例) 1. **删除 cuDNN 文件** - 打开终端,定位到 CUDA 目录: ```bash cd /usr/local/cuda-X.X # X.X 为 CUDA 版本号 ``` - 删除 cuDNN 相关文件: ```bash sudo rm include/cudnn*.h sudo rm lib64/libcudnn* ``` - 如果通过 `apt` 安装,尝试卸载: ```bash sudo apt purge "libcudnn*" ```[^2] 2. **清理环境变量** - 编辑 `~/.bashrc` 或 `~/.profile`: ```bash nano ~/.bashrc ``` - 删除或注释包含 `CUDNN_HOME` 或旧版 CUDA 路径的行 - 生效配置: ```bash source ~/.bashrc ``` #### **验证卸载** - **Windows**:检查 CUDA 目录中是否残留 `cudnn` 文件 - **Linux**:运行 `find /usr/local -name "*cudnn*"` 确认无结果 - 尝试运行深度学习框架(如 PyTorch),若提示 `cudnn not found` 即卸载成功[^1]。 > ⚠️ **注意事项** > 1. 操作前备份重要数据 > 2. 确保卸载的是目标版本(可通过 `nvcc -V` 确认 CUDA 版本) > 3. 若后续安装新版 cuDNN,需保证与 CUDA 版本兼容[^1]
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