CUDA和CUDNN的坑

最新推荐文章于 2025-10-10 19:55:52 发布
原创 最新推荐文章于 2025-10-10 19:55:52 发布 · 2.6k 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#caffe #CUDA #CUDNN

在使用CUDA和CUDNN进行深度学习时遇到错误，尝试在卷积层手动添加engine: CAFFE，但面对深层网络操作繁琐。决定重新配置环境，确保显卡驱动、CUDA和CUDNN版本匹配。经历CMD检查、CUDA版本问题、CUDNN安装等步骤，最终通过调整VS13设置成功编译libcaffe和完整caffe项目。经过测试，问题得到解决。

一直报这个错，网上的博客答案也各种各样。但最简单的方法

是在caffe的训练文件中的每个卷积层中加enjine:CAFFE；即不适用cudn的计算引擎，使用caffe自带的，但是对于我非常深的网络

一个个手写添加简直崩溃，想想还是硬着头皮重新配环境吧，人生的坑得自己走一边啊....

https://blog.youkuaiyun.com/pkuhyz/article/details/82427384

首先显卡的型号，驱动，CUDA ，CUDNN各种版本匹配，所以真的很痛苦。

首先cmd行下查看默认的版本，尤其的电脑上装了四个版本的CUDA,

发现我的默认的版本是9.0，而我的caffe的配置文件时8.0

但是我的电脑的path下8.0也有啊，只不过电脑

最低0.47元/天 解锁文章
记录Win10正确安装CUDA和cuDNN的过程（记录一些坑）
KI的博客
02-10 3786
记录Win10正确安装CUDA和cuDNN的过程（记录一些坑）
WSL下Ubuntu+RTX4090安装CUDA+cuDnn+Pytorch
遗失的神庙
03-21 2176
首先需要明确的是，在WSL下安装Ubuntu，如果要使用主机的GPU卡，只需要在主机Windows上安装驱动，Linux中不需要安装驱动，可以在Linux中使用nvidia-smi命令查看驱动版本。
nvidia驱动，cuda与cudnn的关系
热门推荐
qq_35941018的博客
07-19 4万+
一关系阐述： （1）NVIDIA的显卡驱动程序和CUDA完全是两个不同的概念哦！CUDA是NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只能在NVIDIA的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。 CUDA的本质是一个工具包（ToolKit）；但是二者虽然不一样的。 显卡驱动的安装： 当我们使用一台电脑的时候默认的已经安装了NVID...
小杰深度学习（nine）——CUDA与CuDNN安装
最新发布
2501_92101354的博客
10-10 1507
白云映空碧，突起若积雪。出山日已暮，林火远明灭。
2080ti，驱动安装，CUDA安装，CUDNN安装，CUDA10.1的不兼容问题
weixin_37721058的博客
11-19 1637
conda list conda search tensorflow-gpu conda install tensorflow-gpu==1.13.1
Ubuntu下关于cuda和cudnn 报错 现象及解决方案
小可爱的博客
11-17 2086
caffe2找不到cuda
hipDNN:miOpen 和 cuDNN 的薄包装
05-31
髋关节神经网络 AMD 的库（处于测试阶段），支持围绕 cuDNN 和 AMD MIOpen 的抽象层。 先决条件 在AMD平台上， 在 Nvidia 平台上，运行的 cuDNN 安装。 制作说明 mkdir建立cd建立cmake ..使 共享库的默认安装路径是/opr/rocm/hipdnn。 使用 '-DENABLE_TEST = 1' 选项和 cmake 为 hipdnn 构建单元测试。 一般说明 hipDNN 定义了 MIOpen-hipDNN 和 cuDNN-hipDNN 之间的编组 API。 客户端程序只需要使用 hipDNN API，这将适用于 nvidia 和 AMD 平台。 在 AMD(NVIDIA) 平台上，hipDNN 数据结构在内部转换为适当的 MIOpen(cuDNN) 数据结构，并代表客户端进行底层库调用。 由这些调用产生的结果被混编回 hipDNN 数据
Cmake编译 OPENCV_DNN_CUDA 报错： CMake Error at modules/dnn/CMakeLists.txt:39 (message):
Dora_blank的博客
03-07 1万+
OPENCV_DNN_CUDA 报错： CMake Error at modules/dnn/CMakeLists.txt:39 (message): DNN: CUDA backend requires cuDNN. Please resolve dependency or disable OPENCV_DNN_CUDA=OFF Call Stack (most recent call first): modules/world/CMakeLists.txt:13 (include) modules/w
ubuntu18.04安装深度学习套件 cuda、cudnn避坑全集正确姿势
weixin_44123583的博客
04-14 805
上一篇文章讲了如何在ubuntu18.04下安装nvidia显卡驱动，那么在安装好显卡驱动的环境下把cuda和cudnn一起装了吧。工作量也不少，我又卸载了好几次，深度学习环境搭建避坑全集来了！！！！ 文章目录前言一、安装NVIDIA Cuda1. [进入官网](https://developer.nvidia.com/cuda-downloads)2. [老版链接](https://developer.nvidia.com/cuda-toolkit-archive)3.点击跟你系统对应的块，最后那个选择
【深度学习】CUDA、cuDNN、pytorch安装
weixin_44950300的博客
09-18 1895
系统已有Anaconda环境，所以跳过这一步，按顺序安装CUDA、cuDNN、pytorch。
windows上yolov5 opencv dnn c++部署 cuda加速
weixin_46596757的博客
03-12 1万+
问题记录 ①export导出onnx文件报错 ONNX export failure: No module named 'onnx' 解决方法：在环境中下载onnx
Could NOT find CUDNN (missing: CUDNN_LIBRARY CUDNN_INCLUDE_DIR) (Required is at least version “7.5“)
樟榆枫的博客
06-14 2692
cudnn cuda cmake
CUDA backend requires cuDNN. Please resolve dependency or disable的解决方法
白浅星
05-11 866
WITH_CUDNN开了后报错的解决方法
opencv+visual studio+CMake+CUDA配置时出问题
子根的博客
06-15 1837
opencv、visual studio、CMake、CUDA配置时出问题
Ubuntu 18.04/20.04 CV环境配置（上）：CUDA11.1 + cudnn安装配置
Techblog of HaoWANG
07-15 3569
Ubuntu18.04 20.04 NVIDIA CUDA 环境配置与cudnn Tensorrt等配置与使用
配置安装OpenCV(4.5.4)+Opencv_contrib(4.5.4)+CUDA(v11.5)
AlphaGirl的博客
11-18 1万+
目录配置OpenCV(4.5.4)+Opencv_contrib(4.5.4)+CUDA(v11.5)准备提示安装安装Visual Studio 2019安装CUDA安装CUDNNCMake编译OpenCVVisual Studio编译配置阶段测试参考教程 配置OpenCV(4.5.4)+Opencv_contrib(4.5.4)+CUDA(v11.5) 结合CUDA，OpenCV的性能可以得到约一个数量级的提升。但据我了解，搭配CUDA的OpenCV需要编译阶段就进行安装，无法在完成OpenCV安装后再补
CMake编译OpenCV CUDA安装及错误总结
qq_41822101的博客
03-27 6107
在使用CMake编译OpenCV的CUDA时可能会出现一些问题，本文针对CMake-gui总结了部分问题并尝试解决。
Windows下卸载重装CUDA和CUDnn_解决pycharm无法加载CUDA动态库的问题
qq_44250700的博客
07-01 8075
笔者在跑训练的时候，用的是，经过查询资料，需要匹配版本的。BUT❗️ 笔者电脑已经安装了版本的，因此需要把现有版本的卸载，然后重新安装和。笔者安装的是版本的CUDA，以及相应版本的（官网上Windows系统且CUDA是版本的只对应一个CUDnn，下载它就好啦）注：安装完成后，用测试是否安装好时，一定要重启命令行！不要在安装之间就已经打开的命令行窗口输入命令，否则你会遇到的迷之错误中而自我怀疑。当你重新打开命令行，再次输入，就会发现，其实已经安装成功啦 📗Debug经验+1：重启可以解决很多奇怪的问题😆..
深度学习之CUDA + cudnn 安装
冷冻工厂
10-31 405
导读 本文将介绍如何在Ubuntu下安装深度学习需要使用的CUDA 和 cudnn。 1. CUDA安装 前往官网[1]下载符合自己系统版本的CUDA，根据自己电脑配置和系统情况，选择对应的选项，如下图： CUDA 根据网页的安装提示操作，如下图： 安装提示 打开终端进入到CUDA安装文件所在文件夹，赋予其可执行权利 sudo  chmod +x cuda_10.0.130_410.48_linux.run 安装 sudo ./cuda_10.0.1
ubuntu安装cuda和cudnn手把手
04-02
<think>好的，用户之前问了如何查找NVIDIA CUDA示例包的位置，现在他问的是在Ubuntu上安装CUDA和cuDNN的步骤。我需要提供一个详细的、手把手的指南，确保他能够一步步操作。 首先，我应该确认用户的需求。他可能正在配置深度学习环境，需要安装CUDA和cuDNN来支持GPU加速。用户可能是开发者或者研究人员，对Linux系统有一定了解，但可能需要明确的步骤指导，避免常见的错误。 接下来，我需要回忆在Ubuntu上安装CUDA和cuDNN的标准流程。通常步骤包括：安装前的准备（检查GPU兼容性、安装驱动）、安装CUDA Toolkit、配置环境变量、安装cuDNN，最后验证安装是否成功。 在安装前的准备部分，用户需要确认自己的GPU是否支持CUDA，可以通过NVIDIA官网查看兼容列表。然后需要安装合适的驱动，推荐使用官方驱动而不是开源版本，因为兼容性更好。这里可能需要禁用nouveau驱动，避免冲突。 安装CUDA时，用户可以通过runfile或者deb包安装。runfile方式更灵活，但需要关闭图形界面，对于新手来说可能有点复杂，但更可靠。需要指导用户下载对应版本的CUDA，并运行安装命令，同时注意在安装过程中不重复安装驱动，如果之前已经安装了驱动的话。 配置环境变量是重要的一步，确保nvcc等命令能被正确识别。需要编辑.bashrc文件，并source使其生效。 安装cuDNN的话，用户需要注册NVIDIA开发者账号，下载对应CUDA版本的cuDNN包。使用tar解压或者deb包安装，然后复制文件到CUDA目录，并设置权限。这部分需要详细说明每个步骤，避免文件路径错误。 验证安装部分，用户需要编译CUDA示例，运行deviceQuery和bandwidthTest来确认CUDA是否正常工作。对于cuDNN，可以通过头文件和库文件的存在性检查，或者运行示例代码来测试。 用户可能遇到的问题包括驱动冲突、版本不匹配、环境变量配置错误等。需要在注意事项里提到这些，并给出解决方法，比如卸载旧版本、检查路径、确认下载文件的版本等。 另外，用户可能对命令行操作不太熟悉，所以每个步骤都要给出具体的命令，并解释其作用。比如在禁用nouveau时，需要修改黑名单文件并更新initramfs，然后重启，这些步骤都要详细说明。 最后，确保整个流程逻辑清晰，步骤明确，用户按照步骤操作不会有遗漏。同时，提醒用户注意版本兼容性，这是安装过程中常见的问题，特别是CUDA和cuDNN的版本必须匹配，以及和深度学习框架的兼容性。</think>以下是在Ubuntu系统上**手把手安装CUDA和cuDNN**的详细指南，包含完整流程和避坑要点： --- ### 一、安装前准备 #### 1. 确认硬件兼容性 ```bash lspci | grep -i nvidia # 确认NVIDIA GPU存在 ``` #### 2. 禁用开源驱动nouveau ```bash sudo nano /etc/modprobe.d/blacklist-nouveau.conf ``` 添加内容： ```bash blacklist nouveau options nouveau modeset=0 ``` 执行： ```bash sudo update-initramfs -u && sudo reboot ``` --- ### 二、安装NVIDIA驱动 #### 1. 添加官方驱动仓库 ```bash sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt update ``` #### 2. 自动安装推荐驱动 ```bash ubuntu-drivers devices # 查看推荐版本 sudo apt install nvidia-driver-535 # 选择推荐版本号 sudo reboot ``` #### 3. 验证驱动 ```bash nvidia-smi # 应显示GPU状态 ``` --- ### 三、安装CUDA Toolkit #### 1. 下载CUDA 访问[NVIDIA CUDA下载页](https://developer.nvidia.com/cuda-downloads)选择： - Operating System: Linux - Architecture: x86_64 - Distribution: Ubuntu - Version: 选择对应版本（如22.04） - Installer Type: **runfile (local)** #### 2. 安装CUDA（以CUDA 12.2为例） ```bash wget https://developer.download.nvidia.com/compute/cuda/12.2.2/local_installers/cuda_12.2.2_535.104.05_linux.run sudo sh cuda_12.2.2_535.104.05_linux.run ``` **安装选项**： - 取消勾选`Driver`（已提前安装驱动） - 确认勾选`CUDA Toolkit 12.2` #### 3. 配置环境变量 ```bash sudo nano ~/.bashrc ``` 添加： ```bash export PATH=/usr/local/cuda-12.2/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-12.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} ``` 生效配置： ```bash source ~/.bashrc ``` #### 4. 验证CUDA ```bash nvcc --version # 应显示CUDA版本 ``` --- ### 四、安装cuDNN #### 1. 下载cuDNN 访问[cuDNN下载页](https://developer.nvidia.com/cudnn)（需注册账号），选择： - 与CUDA版本匹配的cuDNN（如CUDA 12.x → cuDNN 8.9.x） - 下载**Local Installer for Linux (Tar)** #### 2. 手动安装 ```bash tar -xzvf cudnn-linux-x86_64-8.9.6.50_cuda12-archive.tar.xz sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda/include sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn* ``` --- ### 五、验证安装 #### 1. 编译CUDA示例 ```bash cd /usr/local/cuda/samples/1_Utilities/deviceQuery sudo make ./deviceQuery # 应返回"Result = PASS" ``` #### 2. 验证cuDNN ```bash cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2 ``` --- ### 六、注意事项 1. **版本匹配**：CUDA/cuDNN/驱动版本需严格对应（参考[NVIDIA兼容性表](https://docs.nvidia.com/deeplearning/cudnn/support-matrix/index.html)） 2. **多版本管理**：可通过`update-alternatives`管理多个CUDA版本 3. **环境变量冲突**：若使用Anaconda，需在虚拟环境中重新配置路径 4. **完整验证**：建议运行深度学习框架测试（如TensorFlow/PyTorch） 通过以上步骤，即可完成Ubuntu系统下CUDA和cuDNN的完整部署。如遇安装失败，建议查看`/var/log/cuda-installer.log`获取详细错误信息。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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