ubuntu18.04 安装多版本cuda ，原来版本为9.0，在新增8.0

最新推荐文章于 2025-11-16 20:56:53 发布
原创 最新推荐文章于 2025-11-16 20:56:53 发布 · 9k 阅读 · 53 ·
CC 4.0 BY-SA版权
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。

本文详细介绍了在Ubuntu环境下安装CUDA 8.0的步骤，包括下载CUDA工具包，解决Perl5lib问题，配置环境变量，以及安装cuDNN 5.1。此外，还提供了如何通过软链接切换不同CUDA版本的方法。
部署运行你感兴趣的模型镜像

1 下载新版本的cuda

地址 https://developer.nvidia.com/cuda-80-ga2-download-archive
里面的两个都下载，注意：一定要下载runfile，不能其他格式安装

https://www.baidu.com/link?url=cIWRngxSKqZ-rioMrJeBcmO9U6zN9bnoiShlE_s0P-prqqFzEgRf3BCQDLbAPqLN1-qrYySSx-VvTGWes9K43GoJKPCADMjiRGd0167b-3O&wd=&eqid=c25976a10006db34000000065cda8006

2 安装 cuda 8.0

2.1 首先安装依赖

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

2.2 然后解决perl5lib的问题

来自文章https://askubuntu.com/questions/1086160/how-to-install-cuda-8-on-ubuntu-18-04-lts/1087842
不这样做，安装会失败

bash ./cuda*.run --tar mxvf
sudo cp InstallUtils.pm /usr/lib/x86_64-linux-gnu/perl-base
export $PERL5LIB

2.3 安装cuda8.0

来自地址
https://developer.nvidia.com/cuda-80-ga2-download-archive
在这里插入图片描述
得到两个文件:
cuda_8.0.61_375.26_linux.run 这是安装文件
cuda_8.0.61.2_linux.run 这是补丁文件

sudo sh cuda_8.0.61_375.26_linux.run --override

各个选项：
在这里插入图片描述
不安装驱动，其他默认就可以

2.4 bashrc

vim ~/.bashrc

在末尾加上

export PATH="$PATH:/usr/local/cuda/bin"
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64/"
export LIBRARY_PATH="$LIBRARY_PATH:/usr/local/cuda/lib64"

原来文章中的是这样的

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda

但是我使用的是上面那个
然后让更改生效

source ~/.bashrc

3 安装cudnn 5.1

下载地址：https://developer.nvidia.com/rdp/cudnn-archive
安装 cudnn V5.1 library for linux
解压文件
得到文件夹 cuda
复制 cuda文件夹下的文件到cuda对应的目录，更改权限，安装完成

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

注意： 之前我下载的是deb的安装文件，直接用dpkg -i命令安装这个，然后不管用，我就下载了可以解压，然后自己复制文件的那个版本

4 切换版本

上面涉及到目录的，都是cuda，没有指定哪一个，就是因为使用软链接的方式，在/usr/local文件夹下面看到，有两个版本的cuda，如下图：
现在指向的是8.0版本
在这里插入图片描述
在这里插入图片描述
要想切换版本：
删除这个软链接，自己建立一个指向9.0的软链接

sudo rm -rf cuda
sudo ln -s /usr/local/cuda-9.1 /usr/local/cuda

在这里插入图片描述

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

qq_23996885
关注
Ubuntu18.04 下安装CUDA
九品神元师
08-28 1381
如下图支持最高CUDA版本是11.4。
Ubuntu 安装 CUDA（附测试）
代码使我快乐
02-21 1万+
为深度学习所用，博主预想在Ubuntu16.04上安装 显卡驱动 + CUDA + cuDNN + Tensorflow-gpu + Keras + PyCharm，参考了众多资料，最终成功将所有软件安装完毕，且能成功运行使用。该篇博客介绍了CUDA的安装教程（默认已安装显卡驱动），亦可通过下方链接查看其他步骤的安装教程。 前期说明及版本对照 换源及安装显卡驱动 安装 CUDA（附测试） 安装 c...
Ubuntu系统CUDA完整安装指南
最新发布
CV 小涵的博客，计算机本硕211毕业，研究计算机视觉、模型微调、RAG等方向，收藏有国内外优质数据集，解决视觉相关项目方案，欢迎交流讨论。
11-16 1639
介绍了在Ubuntu系统上安装CUDA的完整流程和常见问题解决方法。安装前的硬件检查、版本匹配和nouveau驱动禁用等必要准备；提供Deb包和Run文件两种主流安装方式的详细步骤；环境变量配置建议和多版本管理方法；安装后的验证流程；总结了10类高频报错及解决方案，如下载慢、依赖缺失、驱动不匹配等问题。强调版本兼容性和前期准备的重要性，并给出详细的排错指南，帮助快速完成CUDA环境配置。
【多版本cuda自由切换】在ubuntu上安装多个版本的CUDA，并且可以随时切换cuda-11.3//cuda-11.8//cuda-11.6//cuda-11.2
热门推荐
BetrayFree的博客
12-11 1万+
项目开发中，不同的项目可能对不同的cuda版本有所要求，常见的是这几种cuda-11.3//cuda-11.8//cuda-11.6，按照之前的认知，一个主机只能安装一个版本的cuda，否则会引起环境混乱，知道cuda底层逻辑的人都知道这有多么扯蛋，对吧。一般来说，单cuda直接说明版本就可以了，不需要配置其他的，但是也可以通过软链的方法把安装的版本连接过去，二者的作用是一样的，因为系统加载是靠加载bashrc文件的。需要注意的是，命令行的配置也需要文件配置的基础，只是需要知道，
Ubuntu 安装 CUDA
FUN
11-30 764
安装 NVIDIA 驱动 lspci | grep -i nvidia # 检查显卡 gcc --version # 检查是否安装 gcc sudo apt-get install linux-headers-$(uname -r) # 安装内核头 下载 CUDA Toolkit sudo dpkg -i cuda-repo-<distro>_<version>_<...
Ubuntu环境下的cuda安装
TT1710714的博客
03-17 513
下载CUDA Toolkit：从NVIDIA官方网站下载适用于Ubuntu的CUDA Toolkit安装包。安装过程中会提示同意许可协议、选择安装位置和是否安装NVIDIA显卡驱动等选项，根据实际需求进行选择。安装完成后，CUDA就成功安装在Ubuntu系统中了，你可以开始使用CUDA来进行GPU加速的计算。关闭图形界面：在安装CUDA前，最好在命令行界面下执行操作，可以通过按下。设置环境变量：安装完成后，需要将CUDA的路径添加到环境变量中。需要替换为下载的CUDA Toolkit安装包的版本号。
ubuntu18.04安装多版本cuda(10.0, 10.1)
Graceying的博客
06-24 952
当前版本信息 系统: ubuntu18.04 显卡型号: Tesla V100 显卡驱动: NVIDIA-SMI 410.48 cuda版本: 10.0, V10.0.130 打算新安装个cuda10.1版本, 由于显卡驱动版本太低, cuda10.1要求的最低显卡驱动版本是418.39, 所以需要重装显卡驱动,新装cuda10.1和相对应cudnn, 显卡驱动版本对应关系见链接https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.htm
ubuntu18.04下cuda9.0-cudnn7.6安装与多版本cuda共存及切换
小屋
04-08 1329
前言：由于ubuntu18.04没有对应的cuda9.0所以我们选择ubuntu16.04的cuda9.0进行安装。且遇到需要降级GCC与G++的自行降级,下面步骤默认安装有驱动（可以nvidia-smi查看下是否装有）。 目录1 cuda9.02 下载对应版本的cudnn3 卸载cuda4 多版本cuda 并存与切换4.1 继续安装cuda104.2 cuda版本的切换 1 cuda9.0 进入下载界面：link选择自己需要的cuda版本，这里我们选择cuda9.0 点击下载。cd到下载目录，终端su
ubuntu18.04安装显卡驱动、cuda、cudnn
大李出奇迹的博客
04-28 1711
问题与背景 在深度学习的ubuntu环境中，装机之后一开始的环境配置，需要配置好显卡驱动、cuda、cudnn的兼容性，不能随意组合，否则会造成程序无法运行的问题。 解决方案与实践 显卡驱动和cuda，是可以捆绑安装的。因为cuda版本在发布的时候会跟某个版本的驱动做适配测试之后然后发布，只需要直接安装cuda的run包就可以直接把cuda和驱动安装好，cudnn用的时候需要注意与cuda的版本匹配，安装的过程比较简单，主要是解压之后，移动到cuda的目录。 cuda 与 显卡驱动 cuda的下载地址：ht
ubuntu 18.04 安装NVIDIA驱动 cuda/cudnn + tensorflow-gpu + pytorch
scxyz的博客
12-29 6110
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...
ubuntu18.04安装T4显卡驱动+cuda10.2+cudnn
大李出奇迹的博客
09-26 3561
背景 新的ubuntu机器安装显卡驱动，并且安装t4显卡的驱动，cuda，cudnn，然后编译darknet，并且使用darknet训练模型的一系列前置工作，需要耗时一天的。 参考资料 很有用的资料： https://blog.csdn.net/qxqsunshine/article/details/82751815 安装cuda，带着安装显卡驱动，最终参考这篇博客解决的驱动和cuda问题 https://zhuanlan.zhihu.com/p/93480024 cmake升级 https://bl
ubuntu安装cuda
博客
11-28 478
ubuntu安装cuda装了三天才装好，太费劲了。 主要分为这几步： 1.安装英伟达显卡驱动，需要查找适合自己GPU的版本，其次在安装的时候，需要关闭图形界面Xserver，nouveau。 https://blog.csdn.net/tianrolin/article/details/52830422 2.安装显卡驱动之后，再安装cuda。cuda也需要自己挑选版本。之后还要去/etc/...
Ubuntu安装CUDA
Lindy_pass的博客
11-18 351
安装完毕后再输入nvidia-smi，即可查看GPU信息，说明显卡驱动安装完毕。如果出现了NVIDIA-SMI has failed because it couldn‘t communicate with the NVIDIA driver报错，可以尝试重启。上图右上角的CUDA Version：12.2 说明该GPU支持的最大CUDA版本号为12.2。接下来需要从官网手动安装不大于该版本号的CUDA。按照推荐安装nvidia-driver-535 - distro的驱动。显卡型号是GTX 960。
ubuntu 安装 cuda
二等碗
08-11 2395
本篇文章将介绍ubuntu 安装 CUDA ToolkitCUDA Toolkit 是由 NVIDIA（英伟达）公司开发的一个软件工具包，用于支持并优化 GPU（图形处理器）上的并行计算和高性能计算。它提供了一组库、编译器、开发工具和 API（应用程序编程接口），使开发者能够在 NVIDIA GPU 上编写和执行并行计算任务，从而加速各种应用程序的运行速度。：CUDA Toolkit 提供了一种并行计算模型，允许开发者使用类似于 C 语言的语法来编写 GPU 上的代码。
Ubuntu安装cuda； Windows安装cuda,cudnn,tensorrt
m0_56182552的博客
05-21 7507
找到你所要下载的版本，我就找CUDA Toolkit 11.4.4，点进去。请注意，有的CUDA版本只支持特定版本的linux发行版系统，请进行匹对。然后选择自己对应的系统版本的CUDA，并下载（在这里我们推荐用。
Ubuntu安装cuda
尼古拉斯康康
02-18 657
原始地址：http://hyichao.github.io/cv/2016/10/15/ubuntu-cuda-caffe.html 本文实际上是旧文翻新，不小心弄坏了自己的cuda环境，折腾了一天左右重新搞好，然后加深了一点点对整个安装过程的理解，以及更新一点相关问题的解决方案。 Motivation 在近年的深度学习热潮里面，研究者都离不开使用一些流行的深度学习框架，较早期是
如何为Ubuntu Server选择长期支持的NVIDIA驱动版本？
05-27
<think>好的，用户现在想了解如何为Ubuntu Server选择长期支持的NVIDIA驱动版本。我需要结合之前提供的引用内容，特别是引用[1]中的表格，来给出具体的步骤和建议。首先，用户之前的问题是关于避免依赖冲突，现在转向驱动版本选择，这可能是因为他们需要在稳定性和兼容性之间找到平衡。长期支持（LTS）版本的驱动对于服务器环境尤为重要，因为稳定性和可靠性是关键。根据引用[1]中的表格，每个UbuntuLTS版本都有推荐的NVIDIA驱动和CUDA版本。例如，20.04 LTS推荐450及以上的驱动，而22.04 LTS推荐510及以上。需要指出这些对应关系，并建议用户根据他们的Ubuntu版本选择相应的驱动。接下来，用户可能需要知道如何确定当前系统的Ubuntu版本，这可以通过`lsb_release-a`命令实现。然后，根据版本查找对应的推荐驱动，比如使用引用[1]中的表格作为参考。另外，用户可能需要了解如何安全地安装这些驱动，比如使用官方仓库、PPA或者NVIDIA官网的.run文件。这里需要强调使用稳定源，如Ubuntu官方仓库或NVIDIA的PPA，以确保兼容性。同时，考虑到服务器环境，推荐使用`ubuntu-drivers`工具自动安装，或者手动指定版本号，避免依赖问题。 还要提到长期支持驱动的特点，比如版本号通常以xx5结尾（如470、515），这些版本经过更多测试，适合生产环境。同时，需要提醒用户安装后验证驱动状态，使用`nvidia-smi`命令检查，并考虑与CUDA版本的兼容性，引用[1]中的表格可以提供CUDA版本的对应信息。 用户可能还关心如何避免依赖冲突，这在之前的回答中已经涉及，可以适当链接之前的建议，比如更新系统、使用`-fix-broken`参数等。同时，建议创建系统快照以便回滚，这对服务器环境来说是个好习惯。 最后，生成相关问题，比如如何验证驱动与CUDA的兼容性，或者如何处理安装后的依赖问题，这些可以引导用户进一步解决问题。</think>### 如何为Ubuntu Server选择长期支持的NVIDIA驱动版本 #### 一、根据Ubuntu版本选择驱动 1. **确定系统版本** 通过命令获取当前Ubuntu Server的LTS版本信息： ```bash lsb_release -a ``` 输出示例： ``` Distributor ID: Ubuntu Description: Ubuntu 22.04.3 LTS Release: 22.04 Codename: jammy ``` 根据输出结果中的`Release`字段匹配驱动版本（参考下表）[^1]。 2. **版本对应关系参考** | Ubuntu LTS版本 | 推荐NVIDIA驱动版本 | 兼容CUDA版本 | |----------------|---------------------|--------------| | 16.04 LTS | 367.x ~ 384.x | 8.0 / 9.0 | | 18.04 LTS | 418.x ~ 430.x | 10.x | | 20.04 LTS | ≥450 | 11.x | | 22.04 LTS | ≥510 | 11.6 | --- #### 二、选择驱动的基本原则 1. **优先使用LTS认证版本** - 在**生产环境**中，选择Ubuntu官方仓库中标记为`LTS`或`long-term`的驱动包： ```bash apt-cache show nvidia-driver-515 | grep "Long-Term Support" ``` 输出示例： ``` Long-Term Support: Yes ``` 此类驱动经过长期测试，稳定性更高[^1]。 2. **版本命名规律** - **长期支持驱动**的版本号通常以`xx5`结尾（如`470`、`515`），而非LTS驱动可能以`xx0`结尾（如`525`）。 - 通过NVIDIA官网查询驱动类型： ```bash nvidia-smi -q | grep "Driver Version" ``` 输出示例： ``` Driver Version: 515.86.01 ``` --- #### 三、安装方法 1. **通过官方仓库安装** - 启用`graphics-drivers`仓库： ```bash sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt update ``` - 安装指定LTS版本驱动（以22.04 LTS为例）： ```bash sudo apt install nvidia-driver-515 ``` 2. **使用NVIDIA官方.run文件** - 从[NVIDIA驱动下载页面](https://www.nvidia.com/Download/index.aspx)选择`Linux 64-bit`和`Long Lived`分支： ```bash chmod +x NVIDIA-Linux-x86_64-515.86.01.run sudo ./NVIDIA-Linux-x86_64-515.86.01.run ``` --- #### 四、验证与维护 1. **检查驱动加载状态** ```bash nvidia-smi ``` 输出应包含驱动版本和CUDA版本信息（如`CUDA Version: 11.6`）[^1]。 2. **长期维护建议** - 避免频繁升级驱动，除非需要新功能或安全补丁。 - 使用`apt-mark hold`锁定驱动版本： ```bash sudo apt-mark hold nvidia-driver-515 ``` ---
评论 10
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