LINUX非root用户安装cudnn6.0

本文详细介绍了在Linux非root用户环境下安装CUDNN6.0的步骤,包括下载、解压、拷贝文件及设置环境变量,为学习强化学习提供必要的软件环境。

         既然在Linux系统下安装CUDA(compute unified device architecture)用来学习强化学习,那就不可避免的安装CUDNN(CUDA Deep Neural Network)。本篇博客将以Linux非root用户的操作系统为背景详细介绍cudnn6.0的安装。

一、下载cudnn文件

        cudnn6.0 文件需要到NVIDIA官网上去下载,https://developer.nvidia.com/cudnn。相比cuda的安装需要在其官网上注册一个账号,账号成功注册后,下载cudnn6.0文件,如下图所示:

       在这里,博主入了一个坑,因为不是在Linux非root用户下直接下载安装的,而是通过终端神器mobaxterm远程控制的。起初的想法是在Windows系统下下载这个文件,再移动到已经设置好的文件夹下面,后来发现从Windows系统下下载的该文件不是.tgz格式。接着,我自作主张的在下载该文件时更改了文件格式,改为.tgz。后来发现,没有安装成功浪费了时间。因此,我去了Ubuntu台式机上面重新下载了这个文件,根本就不需要更改文件格式,直接是.tgz。后来安装成功,简直开心到飞起~~~

 二、解压cudnn文件

       由于,该文件是.tgz格式的文件,因此可以用tar -xvf cudnn-8.0-linux-x64-v6.tgz进行解压,在解压时值得注意的是,需在系统新建一个文件夹,博主在账户下新建了一个data文件夹,又在该文件夹下面新建了cuda和cudnn文件夹用来存放这两个文件。

三、拷贝相应的文件

       这个步骤是将cudnn6.0里面涉及到的一些文件复制粘贴到cuda8.0里面的指定文件夹下,更改文件权限,操作过程如下图所示:(ps:由于博主一时粗心忘记把图截全,因此复制cudnn.h文件是手敲的,请大家谅解,谢谢!!!) 

 cp include/cudnn.h /home/dl/yangchengwu/data/cudnn/cuda/include/

四、设置个人用户的环境变量

       博主在个人账户下,新建了.bashrc文件

 

五、验证是否安装成功

 

### Root用户环境下安装配置CUDNN 对于希望在root用户环境中安装并配置CUDA和CuDNN的情况,可以遵循特定的方法来实现这一目标。由于缺乏管理员权限,一些常规的安装路径不可用,因此需要采取替代方案。 #### 准备工作 为了准备安装环境,在不具备root权限的情况下,应当创建一个个人目录用于存储所有的库文件和其他资源。这可以通过简单的命令完成: ```bash mkdir ~/cuda-installation cd ~/cuda-installation ``` #### 下载CuDNN 下载适用于所使用的CUDA版本对应的CuDNN包至关重要。访问NVIDIA官方网站获取适合于已安装CUDA版本的CuDNN tarball文件[^1]。确保选择与现有CUDA工具链兼容的版本常重要。 假设已经选择了正确的tarball文件,使用`wget`或其他方式将其下载到之前建立的本地目录中: ```bash wget http://developer.download.nvidia.com/compute/redist/cudnn/v7.6.5/cudnn-10.1-linux-x64-v7.6.5.32.tgz ``` 请注意上述链接仅为示例;实际操作时应替换为官方提供的最新稳定版链接。 #### 解压并设置环境变量 解压缩下载好的tarball并将其中的内容复制到自定义的目标位置。这里假定该位置位于用户的家目录下: ```bash tar -xzvf cudnn-*.tgz --directory=~/cuda-installation/ export LD_LIBRARY_PATH=$HOME/cuda-installation/lib64:$LD_LIBRARY_PATH export CPATH=$HOME/cuda-installation/include:$CPATH ``` 通过这种方式修改后的环境变量仅影响当前shell会话。如果想要永久生效,则需编辑`.bashrc`或相应的shell初始化脚本以包含这些导出语句[^2]。 #### 测试安装 最后一步是对新安装CuDNN进行验证测试。可以从GitHub等平台找到专门为此设计的小型程序来进行这项工作。运行此类程序可以帮助确认一切正常运作。 ```python import tensorflow as tf print(tf.reduce_sum(tf.random.normal([1000, 1000]))) ``` 这段Python代码片段利用TensorFlow框架执行了一个矩阵运算,并打印结果。如果有GPU可用并且正确设置了CuDNN,那么这个计算应该能够顺利地转移到GPU上执行[^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