cuda11.1,cudnn安装ubuntu18.04

本文介绍了如何在Linux系统中查看CUDA版本,以及如何安装和管理CUDA11.1和CUDNN。步骤包括使用`ls-l`查看CUDA安装,下载并配置CUDNN,将文件复制到指定目录,设置权限,以及创建软链接以切换不同版本的CUDA。

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

cuda查看

ls -l /usr/local | grep cuda

会显示安装的cuda版本,

cuda 11.1安装

https://developer.download.nvidia.cn/compute/cuda/11.1.1/local_installers/cuda_11.1.1_455.32.00_linux.run
记得accept后.—第一项选择去掉.这个是显卡驱动,如果没有可以勾选上
-[X] Driver!,把x去掉

cudnn安装

下载对应版本cuda版本的cudnn
https://developer.download.nvidia.cn/compute/cudnn/secure/8.9.6/local_installers/11.x/cudnn-linux-x86_64-8.9.6.50_cuda11-archive.tar.xz?fWkp_KM7o4cgZbdKpsH8z-C5PJpcjEOilFMokJ6uzgXTG5AjUArbGnmNM0mp6SUjK0pxjYS-n40kK_cSdi5jYDz6nULkYGK2neADjF6WbElZbi4TvkfSRwKajR-800zuyZ-DC24qUnlA16Wtjbug4r5HJzscc0riAvPa2o2cH_0GH5F3xFQnB_KB1ys6mR0ME1WBduhHytHcmfD0dHfy3EI=&t=eyJscyI6IndlYnNpdGUiLCJsc2QiOiJsaW5rLnpoaWh1LmNvbS8/dGFyZ2V0PWh0dHBzJTNBLy9kZXZlbG9wZXIubnZpZGlhLmNvbS9udmlkaWEtdGVuc29ycnQtZG93bmxvYWQifQ==

复制文件内容到指定目录下

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

修改权限

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

查看版本情况

cat /usr/local/**cuda-11.x**/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

修改不同的cuda

ln -s /usr/local/cuda-11.1 /usr/local/cuda
### CUDAcuDNN安装教程以及版本兼容性 #### 1. 环境准备 在 Ubuntu 18.04安装 CUDAcuDNN 前,需确认已正确安装 NVIDIA 显卡驱动程序。如果尚未完成此步骤,则应先按照官方文档或相关博客指导完成显卡驱动的安装[^2]。 #### 2. CUDA 安装指南 对于 Ubuntu 18.04,推荐使用较稳定的 CUDA 版本,例如 CUDA 11.1 或者 CUDA 11.3。这些版本已被验证可以很好地支持主流深度学习框架(如 PyTorch 和 TensorFlow),并具有较好的稳定性。 - **下载 CUDA 工具包** 访问 NVIDIA 官方网站,选择适合的操作系统和 CUDA 版本进行下载。通常可以选择 `.run` 文件或者基于 APT 软件管理器的方式进行安装[^3]。 - **APT 方式安装 CUDA** 使用 APT 是一种更简便的方法来安装 CUDA,在终端执行以下命令: ```bash sudo apt update sudo apt install nvidia-cuda-toolkit ``` - **手动方式安装 CUDA** 如果选择了 `.run` 文件方式进行安装,需要注意禁用 Nouveau 开源图形驱动,并通过如下命令运行安装文件: ```bash sudo sh cuda_11.x.yyyy_linux.run --override ``` 这里 `11.x.yyyy` 表示具体的 CUDA 版本号[^1]。 #### 3. cuDNN 安装指南 cuDNN 是由 NVIDIA 提供的一个 GPU 加速库,用于提升深度神经网络训练的速度。它依赖于已经成功安装CUDA 环境。 - **获取 cuDNN 下载链接** 登录 NVIDIA Developer Portal 后,可以根据所选的 CUDA 版本来匹配合适的 cuDNN 版本。例如,CUDA 11.3 对应的是 cuDNN v8.2。 - **解压并复制文件** 将下载好的 cuDNN tar 包解压缩至指定目录下,然后将其内容拷贝到 CUDA 安装路径中: ```bash tar -xzvf cudnn-x-linux-x64-v8.x.y.z.tgz 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 /usr/local/cuda/lib64/libcudnn* ``` #### 4. 配置环境变量 为了让系统识别新安装CUDAcuDNN 库,需要修改用户的 shell 配置文件(通常是 `~/.bashrc`): ```bash export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH ``` 随后重新加载该配置文件以使更改生效: ```bash source ~/.bashrc ``` #### 5. 测试安装是否成功 可以通过编译和运行一些简单的测试样例来检验 CUDA 是否正常工作。进入 `/usr/local/cuda/samples/1_Utilities/deviceQuery` 目录,构建并执行设备查询工具: ```bash cd /usr/local/cuda/samples/1_Utilities/deviceQuery sudo make ./deviceQuery ``` 如果结果显示所有功能均被支持,则说明 CUDA 成功安装。 同样也可以编写一个小脚本来检测 cuDNN 功能是否可用: ```python import tensorflow as tf print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU'))) ``` 以上即是在 Ubuntu 18.04 平台上针对特定版本 CUDAcuDNN 的完整安装过程及其注意事项[^2]。
评论 1
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