Ubuntu20.04+RTX4060安装CUDA+cudnn+Pytorch+TF-GPU踩坑

已于 2023-07-23 09:07:19 修改
阅读量3.9k 收藏 38
点赞数 1
CC 4.0 BY-SA版权
文章标签： ubuntu pytorch linux
于 2023-07-23 09:06:46 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/newhtyj/article/details/131875989
本文提供了RTX4060显卡安装CUDA11.3和cudnn8.2.1的详细步骤，强调了版本兼容性。安装成功后，通过nvcc--version验证CUDA，使用Tensorflow2.6.0和Pytorch1.11.0进行GPU测试，确保环境配置正确。

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

Caution：RTX4060显卡只能适配Cuda11.3以上的版本，我自己安装的是CUDA11.3+cudnn8.2.1

CUDA下载地址：CUDA Toolkit Archive | NVIDIA Developer

cudnn下载地址：

cuDNN Archive | NVIDIA Developer

CUDA在安装时，只选择CUDA toolkit 11.3，其他选项使用空格键切换为空白即可(其他视频截图，并非自己安装的截图，因此时CUDA11.2，但是原理是一样的)

CUDA+cudnn安装成功后，使用命令:nvcc --version, 进行测试,如下

最低0.47元/天 解锁文章

200万优质内容无限畅学
newhtyj
关注
Ubuntu20.04 RTX4060 AI环境搭建
阿xin*的嵌入式AI
06-21 1661
Ubuntu20.04系统上安装CUDA、cuDNN和TensorRT，并演示运行C++和Python范例。
RTX4060+ubuntu22.04+cuda11.8.0+cuDNN8.6.0 & 如何根据显卡型号和系统配置cuda和cuDNN所需的安装环境
分享计算机视觉，C++，网络摄像头研发，音视频开发，嵌入式等知识。
10-05 3408
nvidia驱动版本为550.12。系统架构为：X86_64。GCC为12.3.0。
ubuntu20.04 天选4 4060 安装显卡驱动和没有wifi图标
2301_80282503的博客
01-15 1053
查看自己显卡对应的显卡驱动型号（我是4060laptop+Linus64bit）
ubuntu20.04 RTX4060安装CUDA11.3安装pytorch1.12.1
qq_51058035的博客
03-26 998
这一篇文章提到，
RTX4060安装cuda12.3 &cudnn8.9
最新发布
分享计算机视觉，C++，网络摄像头研发，音视频开发，嵌入式等知识。
06-11 444
要选择8.9.6, 如果选择8.9.7，会报错，可能是支持cuda12.2不支持cuda12.3。如果没有改变的话，就重新打开一个终端，把这两行放到最后。
RTX4060对应的cuda版本
热门推荐
qq_34425255的博客
06-06 1万+
【代码】RTX4060对应的cuda版本。
在GPU为4060的Ubuntu20.04下的安装cuda==11.8、CUDNN==8.6.0、TensorRT 8.5.1.7
qq_41938005的博客
09-13 3541
在利用tensorrt加速推理yolo v5时，遇到这个问题，经过不断探索，不断尝试，发现是因为笔记本的显卡为4060。
ubuntu 18.04 安装NVIDIA驱动 cuda/cudnn + tensorflow-gpu + pytorch
scxyz的博客
12-29 6047
电脑换了华硕新主板，需要重装系统，用的Ubuntu18.04的系统，电脑用的显卡是GTX1080Ti。在新系统中装显卡驱动过程中遇到很多坑，中间无奈搞乱环境又重装了一次系统，再次尝试，终于成功。整个过程失败次数很多，参考的教程感觉自己步步都做对了，但是最后就是不能成功运行。配置系统这种事情确实比较麻烦，心态要对，遇到问题上网搜索方法，最终总归都能解决。 接下来接讲讲我装NVIDIA驱动到装tens...
ubuntu20.04+cuda11.8+cudnn8.9.6+pytorch2.4.1 + tensorflow2.12安装记录
xiaowu_wu的博客
10-13 1783
rtx4090ubuntu20.04+cuda11.8+cudnn8.9.6安装记录。
Ubuntu20.04上安装Tensorflow-gpu 2.5.0和pytorch(GPU),以及Anaconda+pycharm
qq_38847794的博客
04-20 4205
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言一、安装Anaconda二、安装显卡驱动三、安装GPU版Tensorflow四、安装CUDA五、安装cuDNN六、安装Pytorch七、安装Pycharm总结 前言 提示：这里可以添加本文要记录的大概内容： 本文介绍Ubuntu20.04上安装Tensorflow-gpu 2.5.0和pytorch(GPU),以及Anaconda+pycharm，亲测好用，其他版本可以自行查阅按照此方法安装。 提示：以下是本篇文章正文内容.
Ubuntu20.04 + anaconda + tensorflow-gpu + pytorch深度学习环境配置
qq_45756448的博客
05-22 885
由于我的笔记本上没有nvidia显卡，所以我在台式机上配置深度学习环境，这一过程整整花费了我4天时间，前两天在库库装linux系统（因为那台台式机已经数年没使用了），后边花了2天配好了ssh+tensorflow+anaconda学习环境。由于配置过程参考了许多博客，此处就将参考的博客记录下来，以便以后回看。
安装Ubuntu20.04与安装NVIDIA驱动的教程
01-09
在本教程中，我们将详细介绍如何在戴尔G3 3579笔记本电脑上安装Ubuntu 20.04操作系统，以及如何安装NVIDIA驱动，同时配置PyTorch和TensorFlow环境。首先，确保你的系统是在128GB的固态硬盘上安装的Ubuntu 20.04。...
Ubuntu20.04安装Nvidia驱动——4060显卡（黑屏解决方法）
man_Xue_hao的博客
04-05 1万+
如果按照正常方法安装不成功（如无法连接第二屏幕，nvidia-smi无显示），先尝试在安装后不管什么方法进入桌面后在应用程序中找到NVIDIA X Server Settings，在最后一项PRIME Profiles将NVIDIA On-Demand改为Performance Mode，重启后正常，安装深度学习环境也无问题，但是我的神州刷新率还是60hz，网上说法还是核显输出。
RTX4060安装pytorch-gpu （Cuda12.2）,[pytorch] torch.cuda.is_available() False,torch使用GPU运行，而不是CPU运行的操作指南
骨子里的偏爱
08-14 1万+
然后下载的cudnn,将三个文件夹中的文件分别复制粘贴到cuda安装的对应的目录下。以前安装的是torch的版本是cpu版本，我先剪切出去了，以防不成功。创建pytorch环境，我当前的是3.8.8，看第一幅图有版本。安装的过程有点慢，耐心等待即可。cmd中查看是否安装成功。
MARS（nerfstudio）安装——RTX4060, CUDA12.0&&11.8, Pytorch2.0.1，Windows11
weixin_68280770的博客
10-01 2117
同理，当12.0的两个环境变量在前面，系统nvcc -V查看时就是12.0（可以自行安装好之后去验证一下）这两步过程中需要注意编译失败（失败原因应该能自己解决）后，把构建的build删了再编译，免得找不到方向。
新! 新! 新! 4060笔记本安装Ubuntu，Nvidia-Driver，Cuda
qq_46181804的博客
04-21 8101
4060笔记本安装Ubuntu 显卡驱动，Cuda toolkit
deepin20 RTX4060 安装cuda、显卡，及解决torch.cuda.is_available()一直返回False的玄学方法
zenglongjian的博客
07-14 1104
deepin20 RTX4060 安装cuda、显卡，及解决torch.cuda.is_available()一直返回False的玄学方法
超详细ubuntu+cuda+cuDNN+anaconda+pytorch折腾记（含遇到的各种问题解决）
大龙虾的技术成长专栏
02-10 2494
前言：使用系统Ubuntu16.04，之前折腾了NVIDIA驱动和cuda，顺利完成安装。最近因为要用pytorch，由于可能需要使用不通版本的语言或框架，所以考虑为了日后环境管理方便，安装了anaconda3，并基于此来安装pytorch，安装过程遇到的一些问题，在此记录解决的过程和思路： 本人主要遇到的问题： 1.安装anaconda3时在可以访问anaconda的官网，但是下载时，没有速度或...
【深度学习环境配置】ubuntu 20.04+4060 Ti+CUDA 11.8+pytorch（装机、显卡驱动、CUDA、cudnn、pytorch）
mjx792的博客
11-10 1万+
【深度学习环境配置】ubuntu 20.04+4060 Ti+CUDA 11.8+pytorch（装机、显卡驱动、CUDA、cudnn、pytorch）
cuda cudnn人工智能环境配置
03-24
<think>嗯，用户想知道如何配置支持CUDA和cuDNN的人工智能开发环境。首先，我得回忆一下自己之前配置过的步骤。记得要先安装合适的显卡驱动，然后安装CUDA工具包，接着是cuDNN库，最后配置环境变量，对吧？ 首先，检查用户的显卡是否支持CUDA。NVIDIA的显卡才行，比如RTX系列。然后需要去官网下载对应的驱动，可能得安装最新的或者特定版本的驱动。安装驱动的时候，可能会遇到问题，比如需要禁用nouveau驱动，或者在Linux下用命令行安装。 接下来是CUDA的安装。用户需要根据自己使用的深度学习框架版本选择对应的CUDA版本。比如TensorFlow 2.10需要CUDA 11.2，而PyTorch可能支持更广泛的版本。这时候需要指导用户去NVIDIA官网下载对应版本的CUDA，然后运行安装程序。在Linux下可能需要使用runfile，而在Windows下是exe安装包。安装路径一般默认就可以，但要注意环境变量的设置是否正确。 然后是cuDNN的安装。这部分容易出错，因为cuDNN需要注册账户才能下载。下载后，用户需要将文件解压，并把bin、include、lib目录下的文件复制到CUDA的安装目录中。这一步可能需要手动操作，特别是Windows用户，容易漏掉某些文件或者路径不对。 环境变量的配置也很关键。CUDA的bin目录需要添加到系统PATH中，这样命令行可以找到nvcc等工具。另外，可能还需要设置CUDA_HOME或者CUDNN_HOME这样的变量，具体取决于不同的框架需求。用户如果在这里出错，可能会导致框架无法检测到CUDA和cuDNN。 最后是验证安装。用nvidia-smi检查驱动和CUDA版本是否识别，用nvcc -V查看CUDA编译器版本。然后安装PyTorch或TensorFlow的GPU版本，运行简单的代码看是否有GPU可用。如果出现错误，可能需要检查版本兼容性，或者重新配置环境变量。 用户提到的引用资料里提到cuDNN是CUDA的补丁，所以安装时要确保版本兼容。比如CUDA 11.0对应cuDNN的某个版本。此外，环境变量的路径是否正确，引用的例子中有CUDA v11.0的路径，用户需要替换成自己的版本号。 可能用户遇到的问题包括：驱动安装失败，CUDA和cuDNN版本不匹配，环境变量未正确设置，或者框架没有正确识别CUDA。这时候需要建议用户按照步骤重新检查，或者查看官方文档的版本对应关系。 另外，用户可能是在Windows环境下配置，所以需要注意路径中的斜杠和系统权限问题。比如，在Windows中安装CUDA可能需要管理员权限，而复制cuDNN文件时可能需要覆盖原有文件，需要用户确认。 总的来说，步骤虽然多，但一步一步来应该没问题。需要提醒用户注意版本兼容性，严格按照框架支持的CUDA和cuDNN版本进行安装，避免出现找不到GPU的情况。</think>### 配置支持 CUDA 和 cuDNN 的人工智能开发环境步骤 #### 1. 硬件和系统要求 - **NVIDIA 显卡**：确保显卡支持 CUDA（如 RTX 20/30/40 系列、Tesla 系列等）。 - **操作系统**：Windows 10/11 或 Linux（推荐 Ubuntu 20.04/22.04）。 #### 2. 安装 NVIDIA 显卡驱动 1. 访问 [NVIDIA 驱动下载页面](https://www.nvidia.com/Download/index.aspx)，选择显卡型号和操作系统。 2. 下载并安装驱动。 - **Windows**：双击 `.exe` 文件，按向导完成安装。 - **Linux**：使用命令行工具（如 `apt`）或下载 `.run` 文件安装[^2]。 #### 3. 安装 CUDA 工具包 1. 访问 [CUDA Toolkit 下载页面](https://developer.nvidia.com/cuda-toolkit-archive)。 2. 根据深度学习框架要求选择版本（如 TensorFlow 2.10+ 需 CUDA 11.2，PyTorch 2.0+ 需 CUDA 11.7/11.8）。 3. 下载对应系统的安装包： - **Windows**：执行 `.exe` 文件，选择“自定义安装”，保留默认选项。 - **Linux**：使用 `sudo sh cuda_<version>_linux.run` 安装。 4. 验证安装： ```bash nvcc -V # 查看 CUDA 编译器版本 nvidia-smi # 查看 GPU 状态和驱动版本 #### 4. 安装 cuDNN 库 1. 访问 [cuDNN 下载页面](https://developer.nvidia.com/cudnn)（需注册 NVIDIA 账号）。 2. 选择与 CUDA 版本兼容的 cuDNN（如 CUDA 11.x 对应 cuDNN 8.x）[^3]。 3. 下载并解压文件： - **Windows**：将 `bin`、`include`、`lib` 文件夹内容复制到 CUDA 安装目录（如 `C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0`）[^1]。 - **Linux**：复制文件到 `/usr/local/cuda-<version>/`。 #### 5. 配置环境变量 - **Windows**： 添加以下路径到系统变量 `PATH`： ``` C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\libnvvp ``` - **Linux**： 在 `~/.bashrc` 中添加： ```bash export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH ``` #### 6. 验证深度学习框架 以 PyTorch 和 TensorFlow 为例： ```python # PyTorch 验证 import torch print(torch.cuda.is_available()) # 应输出 True # TensorFlow 验证 import tensorflow as tf print(tf.config.list_physical_devices('GPU')) # 应显示 GPU 信息 ``` ###
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