Ubuntu20.04安装cuda10.1及对应版本的cuDNN7.6.5

本文详细介绍了如何在Ubuntu20.04上安装CUDA 10.1及对应的cuDNN 7.6.5。内容包括检查NVIDIA驱动、降级gcc、按照官方步骤安装CUDA、解决安装过程中遇到的问题、配置环境变量以及多版本CUDA的切换和cuDNN的下载与安装。

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

一、安装前准备

首先要查看你的NVIDIA显卡驱动是否支持cuda10.1版本。
因为是在docker中执行,所以需要先进入你的容器:
nvidia-docker start 容器名
nvidia-docker attach 容器名
在你的容器里执行以下命令查看cuda版本:
nvidia-smi
在这里插入图片描述
CUDA Version: … 这里的版本号需要大于等于你安装的cuda版本号

二、关键点:gcc降级

因为Ubuntu20.04自带的gcc版本为9.3,而cuda10.1不支持gcc-9,因此要手动安装gcc-7,命令如下:

sudo apt-get install gcc-7 g+±7

安装完gcc-7,系统中就存在两个版本的gcc,因此要设置默认的gcc,命令如下:

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 9
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-9 1

此命令可以通过update-alternatives设置gcc各版本的优先级,优先级最高的为系统默认版本,可以用下述命令显示其优先级:
sudo update-alternatives --display gcc

设置默认的g++也是如此:

sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g+±7 9
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g+±9 1

显示g++优先级:

sudo update-alternatives --display g++

三、按照官网的安装步骤下载并安装CUDA 10.1

CUDA Toolkit 10.1 update2 Archive

### 安装 TensorRT 的前提条件 为了成功安装 TensorRT,在 Ubuntu 20.04 上需先完成 CUDA 10.1cuDNN 7.6.5安装[^1]。确认这些组件已正确部署对于后续操作至关重要。 ### 准备工作 确保系统已经更新至最新状态: ```bash sudo apt update && sudo apt upgrade -y ``` ### 下载并安装 NVIDIA 驱动程序 如果尚未安装适合 GPU 的驱动程序,则需要下载对应版本的 NVIDIA 显卡驱动,并按照官方指导完成安装。这一步骤不在本指南范围内,建议查阅NVIDIA官方网站获取具体说明。 ### 获取 TensorRT 软件包 访问[NVIDIA Developer](https://developer.nvidia.com/tensorrt)页面注册账号后可以找到适用于不同平台和CUDA版本的TensorRT软件包。选择与当前环境匹配的版本进行下载。 针对Ubuntu 20.04 LTS以及CUDA 10.1组合,推荐使用通过`.deb`文件形式发布的稳定版TensorRT库来简化安装流程。 ### 执行安装命令 假设选择了 `.deb` 文件作为分发介质,可以通过如下方式执行本地安装: ```bash # 替换下面路径为你实际保存.deb文件的位置 cd ~/Downloads/ sudo dpkg -i tensorrt*.deb ``` 上述命令会自动解析依赖关系并将必要的资源添加到系统的环境中去[^2]。 ### 设置环境变量 为了让编译器和其他工具能够识别新加入的库位置,编辑 `~/.bashrc` 或者 `/etc/profile.d/nvidia.sh` 添加以下内容: ```bash export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/lib/x86_64-linux-gnu export PATH=/usr/bin:$PATH source ~/.bashrc # 应用更改 ``` 重启终端使设置生效。 ### 测试安装成果 最后验证是否能正常调用TensorRT API函数,可以从Python交互模式尝试导入模块来进行简单测试: ```python import tensorflow as tf print(tf.__version__) from tensorflow.python.compiler.tensorrt import trt_convert as trt print(trt.is_tensorrt_enabled()) ``` 这段脚本不仅检验了 TensorFlow 对 TensorRT 支持情况,同时也间接证明了整个集成过程的成功与否。
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