三、安装cudnn

本文详细介绍了在Linux服务器上安装CUDNN的步骤,包括选择与CUDA版本对应的CUDNN版本,下载并上传文件到服务器,解压文件,以及将库文件复制到CUDA安装目录。读者需要确保已经安装了NVIDIA驱动和CUDA。

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

安装cudnn

0、安装前提:

(1)nvidia-driver已安装
没有安装的可以看我的这篇文章:一、安装nvidia-driver
(2)cuda已安装
没有安装的可以看我的这篇文章:二、安装cuda

1、选择跟cuda版本对应的cudnn版本

网址:https://developer.nvidia.com/rdp/cudnn-archive

在上述链接中,根据已安装的cuda,选择对应的cudnn版本(需要登录账号才能下载,直接注册就行,免费的),这里我选择的是最新的8.7.0版本
在这里插入图片描述

根据系统版本,选择对应的版本(如果登录了,点击后会直接下载):
在这里插入图片描述

2、上传下载包到服务器

由于上一步下载的tar包在本地,因此需要上传到服务器,上传软件自行选择,上传结果截图如下:
在这里插入图片描述

3、解压tar包

输入命令:

tar -xvf cudnn-linux-x86_64-8.7.0.84_cuda11-archive.tar.xz

运行截图:
在这里插入图片描述

文件会解压到你的当前文件夹下:
在这里插入图片描述

4、复制文件到cuda的目录下

切换到文件的解压缩目录内:
在这里插入图片描述

输入命令(将解压后后文件夹内的内容复制到对应的cuda路径内):

sudo cp lib/* /usr/local/cuda/lib64/
sudo cp include/* /usr/local/cuda/include/

安装完成!

### CUDNN 安装指南与 CUDA 版本兼容性 CUDNN 是 NVIDIA 提供的一个用于加速深度学习计算的库,其安装过程需要严格遵循特定的版本匹配规则。以下是关于 CUDNN 安装及其与 CUDA 版本兼容性的详细说明。 #### 1. 显卡驱动与 CUDA 的关系 显卡驱动程序会直接影响可用的 CUDA 版本范围。只有当显卡驱动支持某个 CUDA 版本时,才能顺利安装对应的 CUDA 工具包以及依赖于它的其他组件(如 cuDNN)。因此,在开始安装之前,请确认当前系统的显卡驱动已更新至最新状态,并满足目标 CUDA 版本的要求[^3]。 #### 2. CUDA 与 cuDNN 的版本匹配 为了保证稳定性和性能表现,NVIDIA 推荐使用经过验证的最佳组合来搭配 CUDA 和 cuDNN。例如: - 如果选择了 **CUDA 11.8**,则应该配套下载并配置 **cuDNN 8.6.0**; - 若采用的是较新的 **CUDA 12.2**,那么相应的推荐选项为 **cuDNN 8.9.0**[^1]。 这种严格的映射关系可以通过访问官方文档中的存档页面获取更详细的对照列表,从而帮助开发者找到适合自己环境的理想设置方案。 #### 3. Ubuntu 下的具体操作流程 (以 CUDA 12.4为例) 对于运行在 Linux 平台上的用户来说,比如基于 Ubuntu 22.04 LTS 发行版的情况,可以按照如下方式完成整个部署工作: ##### 步骤一:准备基础环境 确保操作系统已经正确设置了 GPU 加速所需的硬件条件之后,先通过软件仓库或者手动编译的方式引入最新的 NVIDIA Display Driver 及相关工具链[^4]。 ```bash sudo apt update && sudo apt install nvidia-driver-525 reboot now ``` ##### 步骤二:安装 CUDA Toolkit 接着依据实际需求挑选适合的目标版本号——这里假设我们决定迁移到 `cuda-toolkit` v12.x 系列,则执行命令如下所示: ```bash wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.0-1_all.deb sudo dpkg -i cuda-keyring_1.0-1_all.deb sudo apt-get update sudo apt-get -y install cuda-12-4 ``` 注意此处提到的编号可能随着时间推移有所变化,请参照官网发布的信息为准。 ##### 步骤:集成 cuDNN 库文件 最后一步就是把预先选定好的 cuDNN 压缩包解压到指定目录下并与现有系统路径相融合。通常情况下,默认位置位于 `/usr/local/cuda/include` 和 `/usr/local/cuda/lib64/` 中。具体做法包括但不限于复制头文件(.h),动态链接库(.so,.a)等资源项进去相应子文件夹里去覆盖默认值即可实现无缝衔接效果[^2]: ```bash tar xvzf cudnn-linux-x86_64-*.*.* sudo cp include/* /usr/local/cuda/include/ sudo cp lib/* /usr/local/cuda/lib64/ sudo ldconfig ``` 以上即完成了基本框架下的全部准备工作环节! ---
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