cuda的安装

经过好几天的折腾我这个垃圾机器终于安装上了cuda,美滋滋的用上了传说中的人工智能。下面是我安装时候遇到的坑,及大家要注意的问题

第一个坑chrome_elf.dll拒绝访问,这个需要卸载英伟达相关产品重启机器(只重启机器也可以)

第二个坑各种安装失败,这个是真的坑 每次都去找各种论坛挨个去排查,然后一生气,直接卸载全部英伟达,然后重启机器完美解决。

这是遇到的坑

我是1650的机器,按照网上神仙们的说法要看你的英伟达的驱动版本去搞,emmm 垃圾 都是垃圾 都不能用

按他们的说法我安装了 10.2版本的cuda ,各种报错各种问题 各种拒绝。emmmmm英伟达浪费我时间图我财害我命,垃圾cuda依赖这么多,在各种重装系统重启机器的过程中,我突然想到换成他不推荐的版本试试,mmp 我的一次成功,cnm,都是垃圾神仙,都是害人的。哼

我直接去https://developer.nvidia.com/cuda-downloads这网站下载对应版本的cuda 一般是根据系统进行选择。然后美滋滋的下载,下载完了 然后去安装,然后一路走到系统检查 许可协议什么的,到安装页面的时候 有两个选择自定义 高级选项,这时候你要注意了,按照神仙们的说法是要选择高级,这个是没错的然后点击下一步要你选择你想安装的东西 ,我记得是我只选择了cuda,其他垃圾都没有选择,然后cuda里面的visual studio integration也不要选择,然后一路安装成功

### CUDA 安装指南 CUDA(Compute Unified Device Architecture)是 NVIDIA 推出的一种并行计算平台和编程模型,能够利用 GPU 的强大性能进行加速计算。以下是针对不同操作系统环境下的 CUDA 安装指南。 #### 1. 确认系统需求 在安装 CUDA 之前,需要确保以下条件满足: - 确保显卡支持 CUDA[^3]。 - 确认已安装的 NVIDIA 驱动版本是否兼容目标 CUDA 版本。例如,RTX 3090 支持的驱动版本为 450 或更高版本[^1]。 #### 2. Linux 下的 CUDA 安装 对于 Ubuntu 18.04,可以参考以下步骤完成 CUDA安装: - **安装 NVIDIA 驱动**:首先确保系统的 NVIDIA 驱动已经正确安装,并且驱动版本与目标 CUDA 版本兼容。可以通过命令 `nvidia-smi` 检查当前驱动版本[^5]。 - **下载 CUDA Toolkit**:访问 NVIDIA 官方网站[^2],选择适合操作系统的 CUDA 版本进行下载。 - **安装 CUDA**:可以选择本地安装程序或网络安装器。推荐使用 RPM 安装程序以减少初始下载量[^4]。 - **配置环境变量**:将 CUDA 的路径添加到 `.bashrc` 文件中,例如: ```bash export PATH=/usr/local/cuda-12.6/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-12.6/lib64:$LD_LIBRARY_PATH ``` - **验证安装**:运行 `nvcc --version` 检查 CUDA 编译器是否成功安装[^5]。 #### 3. Windows 下的 CUDA 安装 在 Windows 系统上,CUDA安装过程如下: - **安装 NVIDIA 驱动**:确保安装了最新的显卡驱动。 - **下载 CUDA Toolkit**:从 NVIDIA 官方网站下载对应版本的 CUDA Toolkit[^2]。 - **执行安装程序**:根据提示完成 CUDA安装,包括自定义安装选项如 cuBLAS、cuFFT 等组件的选择[^2]。 - **配置环境变量**:将 CUDA 的路径添加到系统环境变量中。 - **验证安装**:运行 `nvcc --version` 和 `deviceQuery` 样例程序检查 CUDA 是否正常工作。 #### 4. cuDNN 的安装 cuDNN 是 NVIDIA 提供的一个深度神经网络库,通常与 CUDA 结合使用。安装步骤如下: - **下载 cuDNN**:从 NVIDIA 开发者网站下载对应 CUDA 版本的 cuDNN[^2]。 - **解压文件**:将下载的压缩包解压到指定目录。 - **替换文件**:将解压后的文件复制到 CUDA安装目录下,覆盖原有文件[^2]。 - **验证安装**:运行 `cudnnGetVersion()` 和 `cudaGetDeviceProperties()` 测试 cuDNN 是否正常工作[^2]。 ```python import tensorflow as tf print("cuDNN version:", tf.sysconfig.get_build_info()['cudnn_version']) ``` #### 5. 其他注意事项 - 如果需要在服务器上安装较新的 CUDA 版本,建议选择常用的版本(如 11.8、12.1 或 12.4),以便更好地适配 PyTorch 或 TensorFlow 等深度学习框架[^3]。 - 对于 Redhat 或 CentOS 系统,推荐使用 RPM 安装程序以简化依赖项管理。
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