ubuntu18.04安装CUDA

ubuntu18.04安装CUDA

1.先要安装显卡驱动

可通过ubuntu Software & Updates中的Additional Drivers安装

比如可选择460或470驱动,笔者选择了460。此步骤不装也行,CUDA安装包中包含安装驱动。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-vOCf2k4M-1643244750244)(../../../Image-Typora/image-20220126161435419.png)]

点击Apply Changes可进行安装,安装完可输入下面命令查看是否安装成功

nvidia-smi # 查看是否安装成功

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-2yq4B89q-1643244750245)(../../../Image-Typora/image-20220126161657634.png)]

图中460已经安装成功,CUDA Version: 11.2表示可安装的CUDA最高版本为11.2,所以进入CUDA官网时,一定要选择该版本,否则会安装不成功。

2. CUDA官网下载toolkit

进入官网,找到CUDA Toolkit/SDK

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-UKyqcmC1-1643244750246)(../../../Image-Typora/image-20220126162104108.png)]

进入Toolkit下载页面,点击Download Now>

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-LQY7wyuL-1643244750247)(../../../Image-Typora/image-20220126162440971.png)]

这部不要直接选择系统类型,选择下面的Archive of Previous CUDA Releases

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-My1cN2EK-1643244750247)(../../../Image-Typora/image-20220126162417335.png)]

选择历史版本下载,笔者下载 CUDA Toolkit 11.2.0

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-HpYgsuaE-1643244750248)(../../../Image-Typora/image-20220126162745096.png)]

选择系统版本等信息,获取下载链接

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-foWNFmIU-1643244750248)(../../../Image-Typora/image-20220126162855097.png)]

下载命令

wget https://developer.download.nvidia.com/compute/cuda/11.2.0/local_installers/cuda_11.2.0_460.27.04_linux.run

cuda_11.2.0_460.27.04_linux.run 共3G,需要下载很久。

3. 安装CUDA

sudo sh cuda_11.2.0_460.27.04_linux.run

程序起来之后,会出现下面的提示,程序检测到电脑里面已经安装了驱动了,但是cuda还没安装,仍然继续,点击Continue

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ihMcLzBp-1643244750249)(../../../Image-Typora/image-20220126165204890.png)]

会显示是否同意License的界面,输入accept

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-8IQzVjy7-1643244750249)(../../../Image-Typora/image-20220126165236466.png)]

进入到CUDA 安装项选择界面,因为已经安装了Nvidia的驱动460,这一步跳过,不要勾选Driver注意X表示选择,空的中括号表示不选择。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-QghSIlyF-1643244750250)(../../../Image-Typora/image-20220126165250703.png)]

安装过程很快,2-3分钟。

4. 配置环境变量

打开 /home/username/.bashrc 文件,最后添加两行:

export PATH=$PATH:/usr/local/cuda/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda

5. 查看CUDA版本

安装好CUDA并配置好环境变量后,重启终端或另打开一个终端输入:

nvcc -V

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-P1q9DDBU-1643244750251)(../../../Image-Typora/image-20220127084959185.png)]
安装成功!

<think>嗯,用户想在Ubuntu 18.04安装CUDA 12.8,但看起来CUDA 12.8可能不存在,或者用户可能打错了版本号。首先,我需要确认CUDA的版本。目前最新的稳定版本是CUDA 12.x系列,比如12.2或12.3,但12.8似乎不存在。可能用户是想安装CUDA 10.0或者11.8之类的?或者是笔误? 接下来,我需要检查Ubuntu 18.04CUDA版本的支持情况。根据官方文档,Ubuntu 18.04支持的CUDA版本可能有限,较新的CUDA版本可能需要更新的Linux内核或系统库。例如,CUDA 12.x可能需要更高版本的GCC或内核版本,而Ubuntu 18.04默认的可能不满足这些要求。比如,CUDA 12.0要求GCC 11以上,但Ubuntu 18.04的GCC版本是7.5,这显然不兼容。 另外,用户提供的引用中有提到CUDA 10.0的安装过程,但用户现在想安装的是更高版本,这可能导致依赖问题。需要检查CUDA 12.8的系统要求,如果确实存在的话,或者确认版本号是否正确。 另外,用户之前安装CUDA 10.0时遇到了依赖库缺失的问题,如libGLU.so、libXi.so等,这说明在安装CUDA时需要确保这些依赖库已安装。对于较新的CUDA版本,可能需要更多的依赖项,或者需要手动安装这些库。 还需要考虑NVIDIA驱动的兼容性。CUDA 12.x可能需要特定版本的NVIDIA驱动,而Ubuntu 18.04的默认驱动仓库可能没有这些版本。可能需要添加PPA源或从NVIDIA官网下载驱动。 此外,用户提到安装过程中遇到引导问题,可能与UEFI和Legacy模式有关,所以在安装驱动和CUDA时,可能需要确保系统在正确的引导模式下运行,避免启动问题。 如果用户确实需要CUDA 12.8,但该版本不存在,可能需要建议用户确认版本号,或者考虑升级Ubuntu系统到更高版本(如20.04或22.04)以获得对新CUDA版本的支持。如果用户必须使用Ubuntu 18.04,可能需要寻找兼容的CUDA版本,或者从源码编译,但这可能比较复杂。 总结步骤可能包括:确认CUDA版本是否存在,检查系统依赖,安装合适的NVIDIA驱动,处理可能的依赖库缺失,以及处理引导模式的问题。同时,用户可能需要参考官方文档和社区资源来解决安装过程中的问题。</think>根据提供的引用内容和系统环境要求,Ubuntu 18.04安装CUDA需注意以下关键步骤和限制条件: ### 一、版本兼容性核查 1. **CUDA 12.8不存在**,目前最新版本为CUDA 12.3(截至2023年10月)。若需安装CUDA 10.x系列,需注意: - **Python 3.5**需通过虚拟环境管理 - **GCC版本限制**:CUDA 10.0要求GCC ≤ 8,Ubuntu 18.04默认GCC 7.5符合条件 - **内核兼容性**:需确保Linux内核版本≥4.15(Ubuntu 18.04默认内核为4.15) ### 二、系统准备 1. **图形界面禁用**(避免驱动冲突): ```bash sudo systemctl stop lightdm sudo systemctl disable lightdm ``` 2. **依赖库安装**(解决报错`Missing recommended library`): ```bash sudo apt install libglu1-mesa libxi-dev libxmu-dev libgl1-mesa-glx ``` ### 三、驱动安装 1. **推荐方式**(避免手动安装风险): ```bash sudo ubuntu-drivers autoinstall ``` 完成后通过`nvidia-smi`验证驱动版本是否≥CUDA要求[^2][^4] ### 四、CUDA Toolkit安装 1. **离线安装包选择**(示例为CUDA 10.0): ```bash sudo sh cuda_10.0.130_410.48_linux.run --override ``` - 安装时**取消勾选Driver安装**(避免覆盖已装驱动) - 添加环境变量至`~/.bashrc`: ```bash export PATH=/usr/local/cuda-10.0/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} ``` ### 五、验证安装 1. **编译测试样例**: ```bash cd /usr/local/cuda-10.0/samples/1_Utilities/deviceQuery sudo make ./deviceQuery ``` 输出应包含`Result = PASS` ### 六、已知问题规避 1. **UEFI引导冲突**:若出现`no bootable devices`,需在BIOS中将启动模式改为`UEFI only`[^5] 2. **TensorFlow版本匹配**:CUDA 10.0对应TensorFlow 1.14需通过`pip install tensorflow-gpu==1.14.0`安装[^3]
评论 2
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