GTX2070安装驱动、cuda、cudnn

本文详细介绍了在Ubuntu系统上安装CUDA、cuDNN以及匹配的NVIDIA驱动的步骤,包括解决版本冲突和环境配置问题,适用于深度学习环境搭建。

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

卸载cuda驱动:

方法1:在命令行中输入

sudo apt-get remove cuda*

sudo apt-get remove --purge cuda*

sudo apt-get update

然后在目录切换到/usr/local/下

cd /usr/local/

sudo rm -r cuda*

方法2:

sudo /usr/local/cuda-8.0/bin/uninstall_cuda-8.0.pl

卸载NVIDIA driver:
方法1:

sudo apt-get install autoremove --purge nvidia*

方法2:

sudo /usr/bin/nvidia-uninstall

 

 

共分三步:安装驱动,安装cuda,安装cudnn

一、安装驱动

二中会自动安装driver,装完后版本:

| NVIDIA-SMI 440.33.01    Driver Version: 440.33.01    CUDA Version: 10.2     |

参考:https://caltong.com/158

注意:最新的tensorflow1.13.1只能匹配10.0的cuda和对应的cudnn,不能匹配10.1的cuda及cudnn。故只能安装415版本的驱动,对应10.0的cuda,430不行。

sudo apt-get install nvidia-driver-415

安装完成记得重启,否则输入nvidia-smi时报错:

NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed and running.

 

 

二、安装cuda

参考:https://blog.youkuaiyun.com/weixin_40859436/article/details/83152249    的cuda和cudnn部分

cuda各版本地址:https://developer.nvidia.com/cuda-toolkit-archive

下载的安装包名为cuda-repo-ubuntu1804-10-2-local-10.2.89-440.33.01_1.0-1_amd64.deb(已保存)

使用如下四条指令安装cuda(见官网安装包下面的安装指导上的命令)

sudo dpkg -i cuda-repo-ubuntu1804-10-2-local-10.2.89-440.33.01_1.0-1_amd64.deb

sudo apt-key add /var/cuda-repo-<version>/7fa2af80.pub  (此处<version>要用相应的版本号替代)

sudo apt-get update

sudo apt-get install cuda
但是我在输入第一行指令的时候,就提示错误提示我先运行第二条指令,所以指令的顺序就变成了(pub结尾的这个不知道记得对不对,总之直接把提示的指令输入终端就没错啦)

sudo apt-key add /var/cuda-repo-10-0-local-10.0.130-410.48/7fa2af80.pub       (此处与参考网址略有不同,按terminal提示来)

sudo dpkg -i cuda-repo-ubuntu1804-10-0-local-10.0.130-410.48_1.0-1_amd64.deb

sudo apt-get update

sudo apt-get install cuda

 

注意:安装cuda涉及一个系统内核版本问题,虽然这次很顺利

官方说明中有版本匹配:

https://developer.download.nvidia.cn/compute/cuda/10.2/Prod/docs/sidebar/CUDA_Installation_Guide_Linux.pdf

查看系统内核版本:uname -r

为5.3.0-42-generic,比它大很多,但是也没出问题,如果出问题了可能涉及降内核版本的问题

 

 

三、安装cudnn

参考:https://blog.youkuaiyun.com/weixin_40859436/article/details/83152249

由于已经注册,微信扫码、邮箱登录cudnn官网

选对应cuda10.2的版本,下图中第一个cuDNN Library for Linux

下载的安装包名:cudnn-10.2-linux-x64-v7.6.5.32.tgz(已保存)

下载完解压文件,运行以下指令把解压后相应的文件拷贝到对应的CUDA目录下即可(要cd到含cudnn文件的目录下)

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:因为只是cudnn安装方式是将库文件放置再cuda目录下,所以版本万一不对也不要慌,可以重新删除再安装新的版本。

接下来编辑一个path环境变量文档:

sudo gedit ~/.bashrc

将cuda的环境变量加到打开的文件最后

export LD_LIBRARY_PATH=”$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64”
export CUDA_HOME=/usr/local/cuda
export PATH="$CUDA_HOME/bin:$PATH"

 

完成后重启,否则nvidia-smi提示版本不匹配

这时Driver Version自己改成410了

四、安装gpu版tensorflow

参考安装tensorflow:https://mp.youkuaiyun.com/postedit/88959567

sudo pip3 install tensorflow-gpu -i https://pypi.douban.com/simple

 

然后导入tensorflow,报”不是符号连接"的错误:

 

导入tensorflow成功:

 

安装版本不匹配时需要卸载cuda重新安装,本人卸载时卸不干净,二次安装总报错,所以重装系统再装。

马上可以跑个程序验证一下子了,开心2019.05.13

### GTX1050 显卡与 CUDAcuDNN 的兼容性及配置 对于配备 GTX1050 或 GTX1050Ti 显卡的计算机来说,确实存在一些关于 CUDA 版本的支持问题。尽管官方文档可能未列出 GTX1050Ti 支持的具体 CUDA 版本,实际上该显卡支持 Pascal 架构并能够运行多个版本CUDA。 #### 验证 GPU 是否支持特定 CUDA 版本 建议先通过命令 `nvidia-smi` 来验证当前已安装的 NVIDIA 驱动程序及其对应的 CUDA 能力[^4]。此操作有助于确认系统环境是否满足后续软件包的要求。 #### 安装合适的 CUDA 工具包 考虑到 GTX1050 属于较新的帕斯卡架构系列之一,推荐安装 CUDA 9.0 或更高版本来获得最佳性能和支持特性[^2]。具体步骤如下: - 下载适用于 Windows 平台的 CUDA Toolkit 9.0 (或更新版); - 执行默认安装流程直至完成; ```bash # 使用管理员权限打开 PowerShell 或 CMD 后执行以下命令以查看安装情况 nvcc --version ``` #### 设置环境变量 确保将新安装CUDA 库路径加入到系统的 PATH 环境变量中以便全局访问这些工具和库文件[^3]: | 类型 | 路径 | | --- | --- | | Binaries | C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin | | Include Headers | C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include | | Libraries | C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64 | #### 安装匹配版本cuDNN SDK 根据所选 CUDA 版本下载相应的 cuDNN v7.x 版本,并按照说明将其解压至上述相同目录下。注意保持两者之间的版本一致性以免引起冲突或其他潜在错误。 #### 测试 TensorFlow-GPU 功能 最后一步是在 Anaconda 中创建一个新的 Python 环境并安装 tensorflow-gpu 包测试整个链路是否正常工作: ```python import tensorflow as tf print(tf.test.is_built_with_cuda()) print("Num GPUs Available:", len(tf.config.experimental.list_physical_devices('GPU'))) ``` 如果一切顺利,则应能看到输出显示 Tensorflow 成功检测到了可用的 GPU 设备。
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