Ububtu20.04 CUDA安装与环境配置、CUDNN安装

小饼干真的不行

已于 2023-09-05 14:47:09 修改

阅读量3.2k

点赞数

文章标签： python

于 2023-07-10 10:47:48 首次发布

本文链接：https://blog.youkuaiyun.com/lyzzz886/article/details/131632268

版权

本文详细介绍了如何在Linux环境下安装CUDA和cuDNN。首先，确定显卡驱动支持的CUDA最高版本，然后从CUDA官网下载相应版本的安装包，取消驱动安装选项以避免冲突。接着，更新环境变量以使用新安装的CUDA。对于cuDNN，下载后将其库文件复制到CUDA的include和lib目录下。最后，验证安装成功并测试与pytorch的兼容性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、CUDA安装

1、查看显卡驱动支持可安装的最高CUDA版本

可以看出，该电脑最高可支持安装cuda12.0的版本。这可能不是当前的cuda版本，需要在终端用nvcc -V命令查看。

注：一般不需要安装这么高的版本，因为其他与cuda有连接的工具，如pytoch所对应的cuda版本一般不会更新得这么快，安装与需要工具对应的cuda版本即可。截止至2023年6月，pytorch最高仅支持cuda11.8的版本。

2、进入CUDA官网找需要安装的版本

CUDA官网：https://developer.nvidia.com/cuda-toolkit-archive

根据电脑系统配置选择安装方法（runfile这个方法最方便）。

3、下载

在终端运行第一行命令下载安装包，软件安装包会被下载到终端运行该命令的当前路径，直接开终端的话会被下载到Home路线下。（需要自己到官网找对应版本的下载命令，不能直接复制我的）

wget https://developer.download.nvidia.com/compute/cuda/11.7.0/local_installers/cuda_11.7.0_515.43.04_linux.run

4、安装

在终端运行第二行命令安装CUDA，会进入可视化安装界面。

sudo sh cuda_11.7.0_515.43.04_linux.run

（1）选择“continue”

（2）输入“accept”

（3）安装配置选项（重点）

注：在driver处按回车键，取消选择驱动安装的选项。因为当前显卡驱动已配置好，无需再安装驱动，不取消的话后面会报错，无法正确安装CUDA。

（4）已有路径更新

应该是当前电脑已有其他版本的CUDA，多弹出一个问题选项。cuda symbol link的选择，首次安装，选“yes”，安装额外的版本，选"no"。

5、更新环境变量

（1）打开储存环境变量的文件，输入：

（也可以先在系统盘里检查一下cuda有没有被下载到正确的位置：usr/local/）

gedit ~/.bashrc

找到CUDA环境变量的部分

（2）添加目标环境变量，并保存

export PATH=/usr/local/cuda-11.3/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.3/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

注：该步骤也可以切换已有的不同版本的CUDA，修改cuda的版本号即可

（3）更新环境变量配置，输入：

source ~/.bashrc

6、验证

nvcc -V

出现对应CUDA版本的结果即为配置成功。（显示当前为11.3版本）

二、cudnn安装

1、到官网下载cudnn（需要注册邮箱并登陆）

https://developer.nvidia.com/rdp/cudnn-download

选Linux x86_64，而不是Ubuntu版本

2、解压下载的tar文件，得到以下几个文件。

接下来需要做的是需要把include和lib文件夹里的所有文件拷贝的系统盘cuda对应的include和lib文件夹里。

在该目录下打开终端，运行：

sudo cp lib/* /usr/local/cuda-11.3/lib64/
sudo cp include/* /usr/local/cuda-11.3/include/

（选做）给所有用户添加权限：

sudo chmod a+r /usr/local/cuda-11.3/lib64/libcudnn*
sudo chmod a+r /usr/local/cuda-11.3/include/cudnn*

3、验证是否安装成功

终端继续运行：

cat /usr/local/cuda-11.3/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

得到如下结果即为成功：

4、有pytorch的情况下验证方法

python
import torch
from torch.backends import  cudnn
print(cudnn.is_available())
print(torch.backends.cudnn.version())

有如下输出即为成功安装：