linux nvcc未找到命令,解决nvcc找不到的问题(Ubuntu16.04 CUDA 8.0)

最近在linux上安装了CUDA 8.0,但是在安装pycuda时却提示找不到nvcc命令。

在terminal中输入nvcc,也是提示找不到command。但是可以确定的是,CUDA8.0,以及nvidia-cuda-toolkit已经从官方网站下载并正确安装。

于是网上找了教程,说是需要在terminal中输入sudo apt-get install nvidia-cuda-toolkit安装,执行命令后,nvcc命令可以正常执行,但是运行nvcc --version发现版本为7.5,与原来安装的CUDA 8.0不匹配,这将会导致一系列不兼容问题(比如在python中使用sk-cuda库就报错,因为nvcc版本不一致),遂通过如下步骤解决:

1.使用sudo apt-get autoremove nvidia-cuda-toolkit 卸载7.5版本

2.查看/usr/local/cuda/bin下是否有nvcc可执行程序,如果没有说明cuda没有正常安装,需要重新安装,如果有,进入下一步

3.添加环境变量,打开~/.bashrc ,添加环境变量export PATH=$PATH:/usr/local/cuda/bin

4.再在terminal中输入nvcc --version可以看到已经可以显示为8.0版本了

### 如何在不同操作系统上安装 NVCC (NVIDIA CUDA Compiler) #### Linux 系统上的安装方法 对于 Linux 用户,可以通过下载并安装 NVIDIA 提供的官方 CUDA 工具包来获取 NVCC 编译器。以下是具体操作: 1. **访问 NVIDIA 官方网站** 访问 [NVIDIA CUDA Toolkit 下载页面](https://developer.nvidia.com/cuda-downloads),选择适合的操作系统版本以及架构。 2. **下载 CUDA Toolkit** 根据需求选择 `.run` 或 `.deb` 文件进行下载。`.deb` 是 Debian/Ubuntu 的软件包格式,而 `.run` 则是通用脚本形式。 3. **安装 CUDA Toolkit** 如果选择了 `.deb` 文件,则可以使用 `dpkg` 命令完成安装: ```bash sudo dpkg -i cuda-repo-<version>.deb sudo apt-get update sudo apt-get install cuda ``` 若选择了 `.run` 脚本方式,则需赋予其可执行权限后再运行: ```bash chmod +x cuda_<version>_linux.run sudo ./cuda_<version>_linux.run ``` 4. **配置环境变量** 将 CUDA 的二进制目录加入到系统的 PATH 中,并设置 LD_LIBRARY_PATH 来加载动态链接库: ```bash echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc source ~/.bashrc ``` 5. **验证安装成功与否** 使用以下命令确认 NVCC 是否正常工作及其版本号: ```bash nvcc --version ``` #### Windows 系统上的安装方法 Windows 平台下同样依赖于 NVIDIA CUDA Toolkit 进行 NVCC 的部署: 1. **前往官网下载对应版本** 同样进入 [CUDA Toolkit Download Page](https://developer.nvidia.com/cuda-downloads),挑选适用于 Windows 的发行版。 2. **启动安装向导** 执行已下载好的 EXE 文件后会弹出图形化界面指导整个流程;按照提示逐步推进即可顺利完成基础组件包括但不限于驱动更新、核心 SDK 部署等工作项。 3. **调整系统路径参数** 类似于 Unix-like OSes,在注册表或者高级选项里追加 `%ProgramFiles%\NVIDIA Corporation\NVVM\bin;%ProgramW6432%\NVIDIA Corporation\NVVM\bin;` 至现有 Path 字段末端位置处[^2]。 4. **测试功能有效性** 开启 CMD 控制窗口输入相似指令查看反馈消息以判断状态是否良好: ```cmd nvcc -V ``` #### macOS 上的处理方案 尽管苹果生态相对封闭但仍有机会借助 Homebrew 实现自动化装配服务: 1. **先决条件准备** - Xcode Command Line Tools 必不可少; - Python 解释引擎推荐采用 Anaconda 发布渠道获得更佳兼容表现效果。 2. **利用 Hombrew 自动抓取资源包** ```bash brew tap homebrew/cask-drivers brew cask install cuda ``` 3. **同步修正全局生效范围设定值** 修改个人专属 shell profile 文档(如 .zshrc 或者 .bash_profile)增加如下两行记录内容保存退出再重新激活使之即时作用起来: ```bash export DYLD_LIBRARY_PATH=$DYLD_LIBRARY_PATH:/Developer/NVIDIA/CUDA-xx.x/lib export PATH=$PATH:/Developer/NVIDIA/CUDA-xx.x/bin ``` 通过上述途径能够有效达成跨平台一致性的开发体验目标同时兼顾性能优化诉求满足实际应用场景下的多样化需求特性[^3]。 ```python import os os.system('nvcc --version') ```
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