linux 服务器安装多版本 cuda (无 sudo 权限 非 root 用户也适用)

该文详细介绍了如何在没有sudo权限的非root用户环境下,在Linux服务器上安装和配置多个版本的CUDAtoolkit,包括下载CUDA和cuDNN,接受安装协议,选择自定义安装路径,以及配置环境变量等步骤。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

linux 服务器安装多版本 cuda (无 sudo 权限 非 root 用户也适用)


1. 下载 cuda toolkit

下载想要版本的 cuda toolkit
在这里插入图片描述

2. 下载 cudnn

下载对应版本 cudnn
在这里插入图片描述

3. 安装 cuda

以 cuda 10.0 为例

# 1.执行安装
sudo sh cuda_10.0.130_410.48_linux.run
# 2.一大堆协议,按q结束阅读
# 3.接受霸王条款
accept/decline/quit: accept
# 4.继续
You are attempting to install on an unsupported configuration. Do you wish to continue?
(y)es/(n)o [ default is no ]: yes
# 5.不安装驱动
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 410.48?
(y)es/(n)o/(q)uit: n
# 6.安装toolkit
Install the CUDA 10.0 Toolkit?
(y)es/(n)o/(q)uit: y
# 7.安装路径
Enter Toolkit Location
 [ default is /usr/local/cuda-10.0 ]: /usr/local/cuda-10.0
# 8.不创建快捷方式
Do you want to install a symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: n
# 9.不安装案例
Install the CUDA 10.0 Samples?
(y)es/(n)o/(q)uit: n
# 10.注意事项
若出现 Error: unsupported compiler: X.X.X,一般是gcc版本和CUDA没对应,可尝试添加 --override选项;如果没解决,则需要安装相对应的gcc
sh cuda_*.run --override

4. 配置 cudnn

# 1.将cudnn解压
#例子:
tar -xzvf /home/zhaozb/cuda/cudnn-10.0*tgz -C /home/zhaozb/cuda/tem/
# 2
sudo cp /home/zhaozb/cuda/tem/cuda/include/cudnn*  /usr/local/cuda-10.0/include
# 3
sudo cp /home/zhaozb/cuda/tem/cuda/lib64/libcudnn*  /usr/local/cuda-10.0/lib64
sudo chmod a+r /usr/local/cuda-10.0/include/cudnn*  /usr/local/cuda-10.0/lib64/libcudnn*

5. 使用目标版本cuda

每个用户修改自己home目录下的 /bashrc 文件

vim ~/.bashrc
# 添加
export PATH = "/usr/local/cuda-*/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-*/lib64:$LD_LIBRARY_PATH"

# 打印cuda版本
nvcc -V

6. 无 sudo 权限 与 非 root 用户

对于无 sudo 权限 或者 非 root 用户,在安装第一步中安装cuda的时候,将cuda toolkit的安装路径设置为自己有权限的目录就行,比如 /home/zhaozb/cuda-10.0,之后将后续步骤中对应cuda toolkit的安装路径都进行更改就行了

<think>好的,我现在需要帮助用户解决在无sudo权限Linux服务器上以普通用户身份安装特定版本CUDA的问题。首先,我应该回忆之前看到的参考资料,里面提到用户可以在自己的目录下安装CUDA和cuDNN,不需要root权限。 首先,用户需要下载CUDA Toolkit的runfile本地安装文件。因为使用网络安装可能需要sudo权限,所以本地安装文件更适合。然后,用户需要修改环境变量,将安装路径添加到PATH和LD_LIBRARY_PATH中。这可以通过修改.bashrc或.bash_profile文件来实现。 接下来是cuDNN的安装用户需要下载对应版本的cuDNN,解压后复制文件到CUDA安装目录下的相应文件夹里。这里要确保文件路径正确,避免权限问题。 另外,用户可能还需要处理多版本CUDA的情况,通过软链接或者环境变量切换版本。这需要检查用户是否需要在不同版本间灵活切换,比如使用符号链接管理当前使用的版本。 需要注意的常见问题包括安装路径的权限是否正确,环境变量是否配置正确,以及依赖库是否满足要求。例如,用户可能需要安装相应的驱动程序或库,但如果没有sudo权限,可能需要寻找其他方法,比如使用conda环境安装部分依赖。 生成的相关问题应该围绕安装后的验证、多版本管理、环境变量配置以及可能遇到的错误解决方法。比如如何检查CUDA是否安装成功,或者如何处理缺少库的问题。 需要确保步骤清晰,避免使用需要sudo权限的操作,并强调所有安装都在用户目录下完成。同时,提醒用户注意版本兼容性,特别是CUDA和cuDNN的版本匹配,以及驱动程序的版本支持。 最后,确认参考资料中的方法是否适用,并正确引用。比如,用户目录安装、环境变量配置等步骤在引用中有提到,需要正确标注来源。</think>### 无sudo权限安装指定版本CUDA的方法 #### 1. 下载CUDA Toolkit - 访问[NVIDIA CUDA Toolkit Archive](https://developer.nvidia.com/cuda-toolkit-archive),选择所需版本(例如CUDA 9.2),下载**runfile(本地)**格式文件(如`cuda_9.2.148_396.37_linux.run`)。 - **关键点**:必须选择`runfile`而`deb/rpm`包,因为后者需要sudo权限,而`runfile`支持用户目录安装[^1][^2]。 ```bash wget https://developer.nvidia.com/compute/cuda/9.2/Prod2/local_installers/cuda_9.2.148_396.37_linux ``` #### 2. 安装CUDA用户目录 - 赋予执行权限并运行安装脚本,**指定安装路径为`$HOME/.local/cuda-9.2`**: ```bash chmod +x cuda_9.2.148_396.37_linux ./cuda_9.2.148_396.37_linux --silent --toolkit --override --installpath=$HOME/.local/cuda-9.2 ``` - **跳过驱动安装**:安装时仅选择`CUDA Toolkit`,不安装NVIDIA驱动(普通用户权限修改驱动)[^3]。 #### 3. 配置环境变量 在`~/.bashrc`或`~/.bash_profile`中添加以下行: ```bash export PATH="$HOME/.local/cuda-9.2/bin:$PATH" export LD_LIBRARY_PATH="$HOME/.local/cuda-9.2/lib64:$LD_LIBRARY_PATH" ``` 执行`source ~/.bashrc`使配置生效。 #### 4. 验证安装 ```bash nvcc --version # 应显示CUDA 9.2版本 ``` --- #### 5. 安装cuDNN(以7.1为例) - 从[NVIDIA cuDNN Archive](https://developer.nvidia.com/rdp/cudnn-archive)下载对应版本的cuDNN(如`cudnn-9.2-linux-x64-v7.1.tgz`)。 - 解压并复制文件到CUDA目录: ```bash tar -xzvf cudnn-9.2-linux-x64-v7.1.tgz cp cuda/include/cudnn.h $HOME/.local/cuda-9.2/include/ cp cuda/lib64/libcudnn* $HOME/.local/cuda-9.2/lib64/ chmod a+r $HOME/.local/cuda-9.2/include/cudnn.h $HOME/.local/cuda-9.2/lib64/libcudnn* ``` --- #### 6. 多版本管理(可选) 若需切换不同CUDA版本,可通过修改环境变量或创建软链接: ```bash ln -sf $HOME/.local/cuda-9.2 $HOME/.local/cuda # 将默认cuda指向9.2版本 ``` --- ### 常见问题解决 - **依赖库缺失**:若出现`libcudart.so`未找到错误,检查`LD_LIBRARY_PATH`是否包含CUDA的`lib64`目录。 - **权限拒绝**:确保所有操作在用户目录下完成,避免写入`/usr/local`等系统目录。 - **驱动版本兼容性**:CUDA版本需与服务器显卡驱动兼容,可通过`nvidia-smi`查看驱动版本。 ---
评论 2
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