Ubuntu 系统查询 cuda 和 cudnn 版本号

查询 cuda 版本号

命令行输入:

$ cat /usr/local/cuda/version.txt

会输出如下信息:

>>> CUDA Version 8.0.61

显示cuda版本号为:8.0.61

查询 cudnn 版本号

命令行输入:

$ cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

会输出如下信息:

#define CUDNN_MAJOR 7
#define CUDNN_MINOR 0
#define CUDNN_PATCHLEVEL 1
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)
#include "driver_types.h"

显示cudnn版本号为:7.0.1

个人网站:心安便是归处
GitHub:oh,ss

### CUDA cuDNN 的安装教程以及版本兼容性 #### 1. 环境准备 在 Ubuntu 18.04 上安装 CUDA cuDNN 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 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 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的 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的 CUDA cuDNN 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
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