ubantu安装NVIDIA+CUDN+CUDNN+TensorFlow-GPU

本文详细介绍了在Ubuntu 16.04上安装NVIDIA驱动、CUDA 9.0、cuDNN 7.0及配置TensorFlow GPU环境的全过程。涵盖了从驱动安装到软件包配置,再到使用国内镜像服务器加速pip和conda安装的一系列步骤。

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

  • ubantu安装NVIDIA+CUDN+CUDNN+TensorFlow-GPU
2.2 将pip服务器更换为国内的镜像服务器
2.4 使用python 3.5安装tensorflow-gpu 1.9.0
https://blog.youkuaiyun.com/davidhopper/article/details/81206673


史上最全的ubuntu16.04安装nvidia驱动+cuda9.0+cuDnn7.0
https://blog.youkuaiyun.com/abc869788668/article/details/78331047

命令:
sudo service lightdm start/stop

sudo apt install dkms

Annaconda清华镜像文件:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/  
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/  
conda config --set show_channel_urls yes  
### CUDA与cuDNN的区别 CUDA(Compute Unified Device Architecture)是由NVIDIA开发的一种并行计算平台和应用程序接口(API),它允许软件开发者利用GPU的强大处理能力来加速计算密集型任务[^1]。而cuDNN(CUDA Deep Neural Network library)是一个针对深度神经网络优化的库,提供了高度优化的原语操作,如卷积、池化等,这些对于训练深层模型至关重要[^2]。 两者之间的关系在于cuDNN依赖于CUDA的基础架构来进行底层硬件调用;换句话说,为了使cuDNN正常工作,必须先有适当版本的CUDA驱动程序和支持库已安装到位。当二者协同作用时,可以显著提升基于GPU执行的机器学习框架的速度和效率。 ### 正确安装配置方法 #### 准备阶段 确保计算机配备兼容的NVIDIA显卡,并更新到最新的图形驱动程序。这一步骤非常重要,因为旧版驱动可能无法支持最新发布的CUDA工具包或cuDNN版本。 #### 安装CUDA Toolkit 访问[NVIDIA官方网站](https://developer.nvidia.com/cuda-downloads),下载适用于当前系统的CUDA Toolkit安装文件。按照向导完成整个过程,在此期间可以选择是否要安装额外组件比如Nsight Visual Studio Code Extension或其他调试工具。 #### 配置环境变量 安装完成后需设置系统路径以便命令行能够识别nvcc编译器及其他相关工具的位置。具体来说就是编辑`Path`环境变量加入新创建的CUDA bin目录路径,例如 `C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.X\bin`[^3]。 #### 下载并解压cuDNN SDK 前往[NVIDIA cuDNN页面](https://developer.nvidia.com/rdp/cudnn-archive)获取对应所选CUDA版本号相匹配的cuDNN压缩包。将其内容复制至先前安装好的CUDA toolkit相应位置下,通常为`\include`, `\lib\x64` 文件夹内。 #### 测试安装成果 打开命令提示符窗口输入`nvcc -V`查看CUDA编译器版本信息确认无误后,再尝试运行简单的测试案例验证一切运作良好。另外也可以借助Python环境中像TensorFlow, PyTorch这类流行的AI框架自带的功能函数来做进一步检验。 ```bash nvcc -V ```
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