ubuntu cuda cudnn总结

1.暂时不要使用18.04,cuda暂时没有官方支持

2.推荐使用cuda8.0, 9.0 可能存在bug

3.安装时查看是uefi还是bios

     3.1已安装的检查办法

     sudo apt install efibootmgr

      sudo efibootmgr

     如果是bios,efibootmgr: EFI variables are not supported on this system.

       3.2查看硬盘格式

 

4.deb类型文件安装   sudo dpkg -i filename

   cudnn安装    https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#axzz4qYJp45J2

5.which 命令 查看当前python或例如pip的位置

6. 编辑文件 sudo gedit 

7. ll 能够查找到隐形的文件

8.使 路径 重新生效

sudo ldconfig

9. tar -zxvf   解压tgz文件

10.检验cuda

cp -r /usr/local/cuda-9.0/samples/ .
cd samples/
make

11.github       https://www.cnblogs.com/haoxr/p/7693927.html

12. ubuntu 16.04 appstreamcli 问题    https://blog.youkuaiyun.com/zhbpd/article/details/77508675

sudo pkill -KILL appstreamcli
wget -P /tmp https://launchpad.net/ubuntu/+archive/primary/+files/appstream_0.9.4-1ubuntu1_amd64.deb https://launchpad.net/ubuntu/+archive/primary/+files/libappstream3_0.9.4-1ubuntu1_amd64.deb
sudo dpkg -i /tmp/appstream_0.9.4-1ubuntu1_amd64.deb /tmp/libappstream3_0.9.4-1ubuntu1_amd64.deb

13.  ibcudnn.so.5   和libcudnn.so.5.0.5  理论上只有一个libcudnn.so.5.0.5   如何解决冲突

ln -sf /usr/local/cuda-8.0/lib64/libcudnn.so.5.0.5 /usr/local/cuda-8.0/lib64/libcudnn.so.5

14.loop error

TypeError: __init__() got an unexpected keyword argument 'io_loop'

  解决方案:pip install tornado==4.5.3

https://stackoverflow.com/questions/48090119/jupyter-notebook-typeerror-init-got-an-unexpected-keyword-argument-io-l

15. matplotlib error

ImportError: matplotlib requires pyparsing >= 1.5.6

  解决办法: uninstall  matplotlib  跟 pyparsing  ,重新install

16. 检查cuda 安装情况

        cp -r /usr/local/cuda-9.0/samples/ .  copy一份

        cd samples/   

         make

         bin/x86_64/linux/release/   到sample目录下

         sudo ./deviceQuery

17. rm -rf是强制删除文件或者目录的命令

18. ldconfig  跟 source

19. cudnn 验证  https://blog.youkuaiyun.com/u014561933/article/details/79968539

20.cudnn 软链接 https://blog.youkuaiyun.com/u012562690/article/details/78121959

 

 

 

 

 

 

 

### 安装和配置 CUDAcuDNN #### 准备工作 为了确保顺利安装,需确认硬件环境支持CUDA技术,并了解当前使用的Ubuntu版本以及NVIDIA GPU型号。 #### 安装 NVIDIA 驱动程序 由于CUDA依赖于特定版本的NVIDIA驱动程序,在安装CUDA之前先更新或安装合适的NVIDIA驱动是非常重要的。可以通过官方文档获取最新的兼容性列表[^2]。 #### 下载并安装 CUDA 工具包 访问[NVIDIA官方网站](https://developer.nvidia.com/cuda-downloads),选择适合的操作系统版本下载对应的CUDA工具包。对于命令行安装方式,可以使用如下指令执行安装脚本: ```bash sudo sh cuda_12.1.0_530.30.02_linux.run ``` 当提示输入选项时键入`accept`完成接受协议的过程[^1]。 #### 设置环境变量 为了让编译器能够找到CUDA的相关路径,建议编辑用户的`.bashrc`文件来添加必要的环境变量设置: ```bash export PATH=/usr/local/cuda-12.1/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-12.1/lib64\ ${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} ``` 使更改生效可运行 `source ~/.bashrc` 或者重新启动终端会话。 #### 安装 cuDNNcuDNN是一个针对深度神经网络优化过的高性能库,它能显著提升训练速度。同样地,应该前往[NVIDIA开发者页面](https://developer.nvidia.com/rdp/cudnn-archive)下载对应版本的cuDNN压缩包。解压后将其中的内容复制到相应的CUDA目录下即可完成集成: ```bash tar -xzvf cudnn-linux-x86_64-*.*.*_*-cuda*.tgz sudo cp cuda/include/* /usr/local/cuda/include/ sudo cp cuda/lib64/* /usr/local/cuda/lib64/ ``` 最后再次刷新环境变量以反映新的改动。 #### 测试安装成果 通过编写简单的测试代码验证CUDA是否正常工作,比如尝试编译并运行一个基本的例子程序如deviceQuery或者bandwidthTest等样例应用。 ```cpp // deviceQuery.cpp #include <stdio.h> int main() { int count; cudaGetDeviceCount(&count); printf("There are %d CUDA devices.\n", count); } ``` 编译该源码片段需要用到nvcc编译器: ```bash nvcc -o deviceQuery deviceQuery.cu ./deviceQuery ``` 如果一切无误,则应能看到有关可用设备数量的消息输出。
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