Ubuntu18.04安装CUDA

本文详细介绍了在Ubuntu系统上安装CUDA和cuDNN的步骤,包括驱动安装、GCC版本调整、CUDA和cuDNN下载与配置,以及验证安装成功的方法。

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

折腾了一天,看了很多博客,终于把CUDA装好了,所以在这里综合记录一下。

安装驱动

  1. 先去官网下载驱动,中文网站为:https://www.geforce.cn/drivers。如下图所示选择你要下载的驱动:驱动选择
  2. 把主板的Security Boot 关闭,华硕主板的 fast boot 关闭。
  3. 打开终端,删除旧的驱动。
    sudo apt-get purge nvidia*
  4. 禁用自带的nouveau nvidia驱动。
    创建一个文件 sudo vim /etc/modprobe.d/blacklist-nouveau.conf
    并添加两行内容:
    blacklist nouveau
    options nouveau modeset=0
    再更新一下:
    sudo update-initramfs -u
    重启系统后,使用命令:
    lsmod | grep nouveau
    若不显示任何内容,则成功
  5. 上一步的重启进入命令行模式,一般是:ALT+CTRL+F1—F6。然后关闭x-window sudo service lightdm stop
  6. 检查gcc和g++版本与内核版本的对应情况(这一步一般不需要操作,预装GCC的就行了)
  7. 安装,在之前驱动下载的那个文件夹,sudo ./NVIDIA*.run –no-opengl-files安装。后面的参数的意思是不安装OpenGL文件。
  8. 检查安装是否成功:nvidia-smi

安装CUDA

1.下载文件

同样的先去下载CUDA,网址为:https://developer.nvidia.com/cuda-toolkit-archive 。CUDA的版本需要根据你个人的实际情况来选择,而且没有支持Ubuntu18.04的版本,就按照16.04的来下载。我个人下载的是CUDA9.0,顺便说一句,我个人下载超级慢,然后复制链接地址,然后用迅雷下会快很多。
在这里插入图片描述

2. GCC降级

由于CUDA 9.0仅支持GCC 6.0及以下版本,而Ubuntu 18.04预装GCC版本为7.4。所以需要手动降级。(装完后改回来比较好)

sudo apt-get install gcc-4.8
sudo apt-get install g++-4.8

安装完成后进入到/usr/bin目录下

  $ls -l gcc* 

查看gcc的情况。然后需要将软链接到gcc-4.8

sudo mv gcc gcc.bak #备份
sudo ln -s gcc-4.8 gcc #重新链接

对g++做同样的修改:

sudo mv g++ g++.bak
sudo ln -s g++-4.8 g++

最后可以查看版本号

gcc --version
g++ --version

如果版本是4.8,则证明操作成功。

3.安装cuda

进入下载好的文件目录

 sudo sh cuda*.run

注意在选择是否安装显卡驱动的时候选择no,其他都是yes或者默认。
安装完成后将以下两条写入.bashrc文件中。

sudo vim ~/.bashrc

export PATH=/usr/local/cuda-9.0/bin${PATH:+:$PATH}}      #注意,根据自己的版本,修改cuda-9.2/9.0...
export LD_LIBRARY_PATH=/usr/local/cuda-9.0lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH} #注意,根据自己的版本,修改cuda-9.2/9.0...
4.验证是否安装成功
nvcc --version

安装cuDNN

1.下载

下载网址:https://developer.nvidia.com/rdp/cudnn-download。这个需要注册后下载,同样的下载好对应cuda的版本。在这里插入图片描述
下载后解压,然后将相关文件拷贝到cuda的系统路径下即可:

tar -zxvf cudnn-9.2-linux-x64-v7.1.tgz

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ -d 

sudo chmod a+r /usr/local/cuda/include/cudnn.h
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
<think>嗯,用户想在Ubuntu 18.04安装CUDA 12.8,但看起来CUDA 12.8可能不存在,或者用户可能打错了版本号。首先,我需要确认CUDA的版本。目前最新的稳定版本是CUDA 12.x系列,比如12.2或12.3,但12.8似乎不存在。可能用户是想安装CUDA 10.0或者11.8之类的?或者是笔误? 接下来,我需要检查Ubuntu 18.04CUDA版本的支持情况。根据官方文档,Ubuntu 18.04支持的CUDA版本可能有限,较新的CUDA版本可能需要更新的Linux内核或系统库。例如,CUDA 12.x可能需要更高版本的GCC或内核版本,而Ubuntu 18.04默认的可能不满足这些要求。比如,CUDA 12.0要求GCC 11以上,但Ubuntu 18.04的GCC版本是7.5,这显然不兼容。 另外,用户提供的引用中有提到CUDA 10.0的安装过程,但用户现在想安装的是更高版本,这可能导致依赖问题。需要检查CUDA 12.8的系统要求,如果确实存在的话,或者确认版本号是否正确。 另外,用户之前安装CUDA 10.0时遇到了依赖库缺失的问题,如libGLU.so、libXi.so等,这说明在安装CUDA时需要确保这些依赖库已安装。对于较新的CUDA版本,可能需要更多的依赖项,或者需要手动安装这些库。 还需要考虑NVIDIA驱动的兼容性。CUDA 12.x可能需要特定版本的NVIDIA驱动,而Ubuntu 18.04的默认驱动仓库可能没有这些版本。可能需要添加PPA源或从NVIDIA官网下载驱动。 此外,用户提到安装过程中遇到引导问题,可能与UEFI和Legacy模式有关,所以在安装驱动和CUDA时,可能需要确保系统在正确的引导模式下运行,避免启动问题。 如果用户确实需要CUDA 12.8,但该版本不存在,可能需要建议用户确认版本号,或者考虑升级Ubuntu系统到更高版本(如20.04或22.04)以获得对新CUDA版本的支持。如果用户必须使用Ubuntu 18.04,可能需要寻兼容的CUDA版本,或者从源码编译,但这可能比较复杂。 总结步骤可能包括:确认CUDA版本是否存在,检查系统依赖,安装合适的NVIDIA驱动,处理可能的依赖库缺失,以及处理引导模式的问题。同时,用户可能需要参考官方文档和社区资源来解决安装过程中的问题。</think>根据提供的引用内容和系统环境要求,Ubuntu 18.04安装CUDA需注意以下关键步骤和限制条件: ### 一、版本兼容性核查 1. **CUDA 12.8不存在**,目前最新版本为CUDA 12.3(截至2023年10月)。若需安装CUDA 10.x系列,需注意: - **Python 3.5**需通过虚拟环境管理 - **GCC版本限制**:CUDA 10.0要求GCC ≤ 8,Ubuntu 18.04默认GCC 7.5符合条件 - **内核兼容性**:需确保Linux内核版本≥4.15(Ubuntu 18.04默认内核为4.15) ### 二、系统准备 1. **图形界面禁用**(避免驱动冲突): ```bash sudo systemctl stop lightdm sudo systemctl disable lightdm ``` 2. **依赖库安装**(解决报错`Missing recommended library`): ```bash sudo apt install libglu1-mesa libxi-dev libxmu-dev libgl1-mesa-glx ``` ### 三、驱动安装 1. **推荐方式**(避免手动安装风险): ```bash sudo ubuntu-drivers autoinstall ``` 完成后通过`nvidia-smi`验证驱动版本是否≥CUDA要求[^2][^4] ### 四、CUDA Toolkit安装 1. **离线安装包选择**(示例为CUDA 10.0): ```bash sudo sh cuda_10.0.130_410.48_linux.run --override ``` - 安装时**取消勾选Driver安装**(避免覆盖已装驱动) - 添加环境变量至`~/.bashrc`: ```bash export PATH=/usr/local/cuda-10.0/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} ``` ### 五、验证安装 1. **编译测试样例**: ```bash cd /usr/local/cuda-10.0/samples/1_Utilities/deviceQuery sudo make ./deviceQuery ``` 输出应包含`Result = PASS` ### 六、已知问题规避 1. **UEFI引导冲突**:若出现`no bootable devices`,需在BIOS中将启动模式改为`UEFI only`[^5] 2. **TensorFlow版本匹配**:CUDA 10.0对应TensorFlow 1.14需通过`pip install tensorflow-gpu==1.14.0`安装[^3]
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