cannot find Toolkit in /usr/local/cuda-8.0或cuda-9.0解决方案

最新推荐文章于 2023-03-16 22:45:16 发布
转载 最新推荐文章于 2023-03-16 22:45:16 发布 · 1.7k 阅读 · 0

博客主要围绕在路径 /usr/local/cuda-8.0 或 cuda-9.0 下找不到 Toolkit 的问题展开，提供了相应的解决方案，帮助解决该信息技术领域中可能遇到的问题。

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

ubuntu 18.04安装cuda9.0报错cannot find Toolkit in /usr/local/cuda-９.0解决方法
weixin_46143262的博客
09-14 549
ubuntu 18.04安装cuda9.0报错cannot find Toolkit in /usr/local/cuda-９.0解决方法 １、这是因为18.04自带的ＧCC版本为过高造成的首先，CUDA 9.0仅支持GCC 6.0及以下版本，这里降到4.8 sudo apt-get install gcc-4.8 sudo apt-get install g++-4.8 2、装完后进入到/usr/bin目录下 ls -l gcc* 显示 lrwxrwxrwx 1 root root 7th May
深度学习环境配置：Ubuntu+anaconda+cuda8.0+cuDNN7.2.1+ pytorch源码安装+及过程中出现的错误和解决办法
m0_37644085的博客
03-28 8797
我是想安装pytorch。需要用anaconda(比较强大) NVIDIA CUDA 7.5 or above NVIDIA cuDNN v6.x or above 由于anaconda比较简单。本文重点说明CUDA、cuDNN和pytorch的安装，可直接看对应部分。 ps：如果你们配置成功了或者出现了什么问题，希望能留下言啊，我可以改正，以防误导。 ps：可以用pip安...
cannot find Toolkit in /usr/local/cuda-8.0
alppkk4545的博客
05-27 343
对于新版本ubuntukylin17.04安装CUDA时出现 cannot find Toolkit in /usr/local/cuda-8.0 问题 尝试了各种方法，均不妥当...... 参考：https://devtalk.nvidia.com/default/topic/992023/install-cuda-on-debian/ 使用apt...
针对Ubuntu19.10 安装cuda出现的cannot find Toolkit in 解决方案
T in 的博客
07-21 1517
因为使用的Intel® Wi-Fi 6 AX201 160MHz无线网卡，如果系统是Ubuntu16/18的都需要先升级内核，所以直接使用的内核版本较高的Ubuntu19.10。 Ubuntu19.10自动安装NVIDIA 和Intel驱动 在安装cuda 时候出现了cannot find Toolkit in 的报错信息，借鉴了https://blog.csdn.net/ZeroDegree1216/article/details/103534044的一段安装命令。 以下是安装方法： 1： 按照.
找不到cannot find -lpython3.5m caffe anaconda python3 ubuntu16.04
乱七八糟的笔记
04-05 1336
LD -o .build_release/lib/libcaffe.so.1.0.0/usr/bin/ld: 找不到 -lpython3.5mcollect2: error: ld returned 1 exit statusMakefile:572: recipe for target '.build_release/lib/libcaffe.so.1.0.0' failedmake: ***
安装cuda和相应得cudnn
Jinpeijie217的博客
07-20 549
GPU：Geforce GTX1060 驱动版本：418.56 最开始打算装CUDA_10.1( nvidia与cuda需相匹配)，但是在运行cuda.run后出现的用户许可证信息有问题，如图 但是CUDA_10.1与驱动版本是相匹配的,也没有整明白为什么，最后选择了CUDA_10.0，安装成功。 (cuda版本：cuda_10.0.130_410.48_linux.run cudnn版本：cudnn-10.0-linux-x64-v7.3.1.20.tgz) 一、安装方式 CUDA提供两种安装方式：
关于Ubuntu18.04/20.04安装后的一系列环境配置过程的总结
rta1113的博客
03-16 6717
Updating...
深度学习Ubuntu16.04-pytoch+opencv+cuda+cudnn+caffe
SSurprising的博客
12-17 3262
============================== 目录 0.ubuntu分区 1.装chrome卸火狐 2.安装最新版wineQQ 3.CUDA+cudnn 4.pytorch 5.opencv 6.pycharm 7.tensorflow 8.caffe ================================= 现在caffe整合进pytorch啦，...
对于Could NOT find CUDA (missing: CUDA_TOOLKIT_ROOT_DIR CUDA_INCLUDE_DIRS CUDA_CUDART_LIBRARY) 问题的解决
热门推荐
seaun163的专栏
07-28 1万+
怀疑可能是系统找打多个版本的CUDA信息，因此在FindCUDA.cmake文件中指定了一下解决问题 ​可以在CMakeLists.txt中设置 find_package(CUDA REQUIRED) include_directories(${CUDA_INCLUDE_DIRS}) link_directories(${CUDA_LIBRARIES}) 如果需要对多个版本的cuda进行查找时，此时可以对FindCUDA.cmake文件进行修改，而FindCUDA.cmake保存在路径 /usr
Ubuntu18.04安装cuda8.0，多版本CUDA切换（含报错解决和下载链接）
weixin_51524504的博客
08-24 864
Ubuntu18.04安装cuda8.0，多版本CUDA切换（含报错解决和下载链接） 文章目录Ubuntu18.04安装cuda8.0，多版本CUDA切换（含报错解决和下载链接）1. CUDA8.0和cudnn6.0网盘下载连接2. 安装CUDA8.02.1 安装报错2.2 解决方案2.3 继续安装CUDA8.03. 设置多CUDA版本下CUDA8.0的引导路径4. 安装cudnn6.0 1. CUDA8.0和cudnn6.0网盘下载连接 链接：https://pan.baidu.com/s/1YcV
Ubuntu18.04安装cuda8.0 遇到的问题及解决方案
西一的博客
05-27 1610
一、gcc、g++版本过高 我的GCC、G++是6.5 sudo apt-get install gcc-4.8 g++-4.8 版本切换 sudoupdate-alternatives--configgcc 我切换版本之后，显示切换到4.8，但是gcc -v还是显示6.5 利用ln -s 自己连接到4.8 解决问题。 二、cannot find Toolkit in /usr/local/cuda-8.0 去官网下载cuda8.0，运行run文件安装，提示 canno...
debian安装驱动，cuda
xieyipeng1998的博客
03-22 1539
驱动版本：>=440.33 cuda版本：10.0.130 cudnn版本：7.4 tf：2.0.0 tf-gpu：1.14.0 安装驱动 禁用原本驱动 sudo gedit /etc/modprobe.d/blacklist.conf # 添加： blacklist nouveau options nouveau modeset=0 重启 验证 lsmod | grep nouv...
diskgeniusv4.4.0_cuda8.0与cuda10.0并存解决方案
weixin_39517520的博客
11-25 130
需要解决问题：两个不同的tensorflow项目，一个项目的tensorflow版本是1.13.1，而另一个是1.1.0.由于低版本的tensorflow不能与高版本的CUDA兼容（未解决前使用的是CUDA10.0），所以需要下载CUDA8.0以便运行tensorflow1.1.0版本的项目。解决方案：CUDA Toolkit 8.0 - Feb 2017​developer.nvidia.com...
Ubuntu18.04+RTX 2080Ti+CUDA 10.0 +cuDNN+PyTorch搭建深度学习环境
06-30 781
注意tensorflow-gpu-2.0有几处代码改动，在跑faster-rcnn的时候有点问题，所以后面需要把tensorflow-gpu版本改成1.1+的。 我这里的环境是： Ubuntu16.04+2080ti+Display Driver430.50+cuda10.0+cudnn7+Anaconda(python3.6)+tensorflow-gpu-1.13.1 1. 显卡驱动: 版本430.50，有不同的安装格式，这里我下的是runfile。 安装显卡驱动步骤： （1）lsmod
Ubuntu18.04安装Cuda、Cudnn、Tensorflow-gpu
qq_34296627的博客
09-24 7963
Ubuntu18.04安装Cuda、Cudnn、Tensorflow-gpu Let’s go 首先安装配置如下： GTX1050Ti + Cuda9.0 + Cudnn7.0.5 + Tensorflow-gpu1.8.0 安装前也许你需要看看Tensorflow、Cuda、Cudnn版本对应 链接1 链接2 First 1.安装Nvidia驱动，参见我的另一篇Blog 2.下载Cuda和Cud...
Ubuntu 20.04 安装 cuda10报错 Error: unsupported compiler: 9.4.0. Use --override to override this check.
luoganttcc的博客
01-21 1万+
Error: unsupported compiler: 9.4.0. Use --override to override this check. Missing recommended library: libGLU.so Missing recommended library: libX11.so Missing recommended library: libXi.so Missing recommended library: libXmu.so Missing recommended libra在
linux安装cuda之后循环登陆,ubuntu18安装cuda8.0.44报错&安装后卡登录界面循环
weixin_29315091的博客
05-14 290
安装过程中报错Installing the CUDA Toolkit in /usr/local/cuda-8.0 ...Warning: cannot find Toolkit in /usr/local/cuda-8.0. Use --toolkitpath to specify the toolkit location.Installing the CUDA Samples in /home...
bandwidthTest build CMakeCache.txt CMakeFiles CMakeLists.txt deviceQuery deviceQueryDrv README.md topologyQuery (torch) nefan@3080:/usr/local/cuda-12.8/cuda-samples-12.8/Samples/1_Utilities$ cd deviceQuery (torch) nefan@3080:/usr/local/cuda-12.8/cuda-samples-12.8/Samples/1_Utilities/deviceQuery$ ls CMakeCache.txt CMakeFiles CMakeLists.txt deviceQuery.cpp README.md (torch) nefan@3080:/usr/local/cuda-12.8/cuda-samples-12.8/Samples/1_Utilities/deviceQuery$ ^C 如何编译
最新发布
07-05
<think>我们正在一个包含CMakeLists.txt的目录中，因此应该使用CMake来编译。但是用户之前使用make命令，可能是因为原示例提供了Makefile，而这里只有CMake文件。根据给出的文件列表，当前目录有CMakeLists.txt，但没有Makefile。因此，我们需要使用CMake来构建。 步骤： 1. 创建一个构建目录（可选，但推荐）并进入。 2. 运行cmake命令生成Makefile。 3. 运行make命令进行编译。 具体命令如下： ```bash mkdir build cd build cmake .. make ``` 编译后的可执行文件将位于build目录下。 注意：如果系统中安装了多个版本的CUDA，可能需要指定CUDA路径。例如，可以通过`-DCUDA_TOOLKIT_ROOT_DIR=/usr/local/cuda-12.8`来指定。 如果遇到权限问题，可能需要使用sudo，但通常不需要。 另外，如果CMake找不到CUDA，请确保CUDA的路径正确，并且环境变量PATH包含了CUDA的bin目录。 如果用户希望使用原Makefile方式，但当前目录没有Makefile，那么可能需要从其他示例中复制或者使用CMake。但根据文件列表，这里只有CMakeLists.txt，所以使用CMake是正确的方式。 但是，请注意：用户之前运行make时是在另一个目录（cuda-samples-11.8），现在切换到了cuda-samples-12.8，并且这个目录下没有Makefile，所以不能直接用make，必须用CMake。 因此，我们指导用户使用CMake进行编译。 如果用户希望像之前那样使用make，那么可能需要检查这个版本的示例是否提供了Makefile。如果没有，则只能使用CMake。 根据当前目录内容，我们使用CMake。 编译完成后，运行可执行文件： ```bash ./deviceQuery ``` 注意：可执行文件可能在build目录下，名为`deviceQuery`。 如果CMake过程中出现错误，需要根据具体错误信息进行排查。 现在，我们按照要求输出回答，并在最后提出相关问题。</think>### 编译 CUDA Samples 中的 deviceQuery 程序（使用 CMake） 根据您提供的目录结构（包含 CMakeLists.txt），请按以下步骤编译： #### 编译步骤 1. **创建构建目录**（避免污染源码）： ```bash mkdir build && cd build ``` 2. **生成构建系统**（指定 CUDA 路径）： ```bash cmake -DCMAKE_CUDA_COMPILER=/usr/local/cuda-12.8/bin/nvcc .. ``` 3. **编译程序**： ```bash make ``` 4. **运行测试**： ```bash ./deviceQuery ``` #### 补充说明 - 如果遇到架构错误（如之前的 `compute_35`），在 CMake 前设置计算能力： ```bash export CUDA_ARCHS="86" # RTX 3080 的架构版本 cmake .. ``` - 查看 GPU 计算能力： ```bash nvidia-smi --query-gpu=compute_cap --format=csv ``` #### 备选方案（直接使用 nvcc） 如果 CMake 失败，可直接用 nvcc 编译： ```bash /usr/local/cuda-12.8/bin/nvcc deviceQuery.cpp -o deviceQuery ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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