Ubuntu22.04安装cuDNN && Anaconda

参考:

https://blog.youkuaiyun.com/weixin_43387635/article/details/126749463

Anaconda与Python版本对应关系 [官方最新] - 知乎

【Linux】Ubuntu卸载Anoconda【转载】_ubuntu删除conda_木心的博客-优快云博客

------------------------------------------------安装cuDNN-----------------------------------------------------------------

 1、下载cudnn库,官方下载链接:https://developer.nvidia.com/rdp/cudnn-archive

2、解压下载好的tar.xz文件

tar -xvf cudnn-linux-xxx.tar.xz

3、将解压的文件拷贝到cuda对应目录,进行cudnn的安装

sudo cp include/cudnn.h /usr/local/cuda-11.8/include
sudo cp lib/libcudnn* /usr/local/cuda-11.8/lib64
sudo chmod a+r /usr/local/cuda-11.8/include/cudnn.h /usr/local/cuda-11.8/lib64/libcudnn*

至此,cudnn就都安装好了。

---------------------------------------------------------------安装Anaconda----------------------------------------------

1、下载anaconda安装程序,可以anaconda官网或在清华大学开源软件镜像站下载anaconda。

我选择清华源,因为快。

在下面链接中找到合适的anaconda版本:

Old package lists — Anaconda documentation

如果之前安装的版本不合适,可以参考这个删掉:

【Linux】Ubuntu卸载Anoconda【转载】_ubuntu删除conda_木心的博客-优快云博客

2、cd进入下载到的目录中,用sh命令语言解释器运行.sh文件安装anaconda

sh ./Anaconda3-2021.05-Linux-x86_64.sh 

3、一直按Enter,输入yes接受license,按Enter安装到ubuntu当前用户路径,等待unpacking payload

4、安装程序通过conda init初始化Anaconda3,输入yes,并回车

5、为anaconda添加环境变量

文章说要自己手动加,但是我看到文件下已经有了,就不加了。

### 安装 Anaconda 为了在 Ubuntu 22.04安装 Anaconda,需先确保系统已更新至最新状态。打开终端并执行以下命令来获取最新的软件包列表和升级现有软件包: ```bash sudo apt update && sudo apt upgrade -y ``` 接着下载适用于 Linux 的 Anaconda 安装脚本。访问官方网站找到适合系统的版本链接,并通过 `wget` 命令下载该文件[^2]。 一旦下载完成,验证 SHA-256 校验码以确认文件未被篡改或损坏。这一步骤非常重要,可以防止潜在的安全风险。使用如下命令进行校验(假设下载路径为当前目录下的 anaconda.sh 文件名): ```bash sha256sum anaconda.sh ``` 运行安装程序之前赋予其可执行权限,之后按照提示操作即可开始安装过程: ```bash chmod +x anaconda.sh ./anaconda.sh ``` 安装过程中会询问是否接受许可协议、设置安装位置等问题,请根据个人需求作出选择。最后初始化 Anaconda 配置环境以便于后续调用 Python 解释器和其他工具时无需每次都手动指定完整路径。 ### 配置 CUDA 对于希望利用 GPU 加速计算任务的开发者来说,在成功部署好 Anaconda 后还需要进一步配置 NVIDIA 提供的 CUDA 工具集。这里推荐采用官方文档中的说明作为指导[^1]。 首先添加 NVIDIA 软件仓库密钥到本地 APT 密钥环中,并注册用于分发 CUDA 版本信息的源地址: ```bash wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.0-1_all.deb sudo dpkg -i cuda-keyring_1.0-1_all.deb ``` 随后刷新可用软件包缓存并向其中加入特定版本号的目标组件名称,例如 "cuda-12-0" 表示安装 CUDA Toolkit 12.0 及相关依赖项: ```bash sudo apt-get update sudo apt-get install -y cuda-12-0 ``` 重启计算机使更改生效后可通过下面这条指令查看所安装的具体版本信息: ```bash nvcc --version ``` ### 设置 cuDNN 有了上述准备工作的基础上再来处理深度学习框架所需的库——cuDNN 就显得更加简单直接了。依据目标平台架构选取合适的发行版形式;此处针对的是基于 Debian/Ubuntu 构建而成的操作系统镜像因此选用 .deb 类型的离线安装包最为合适[^3]。 前往 NVIDIA 开发者网站定位到对应章节下载相应资源,注意要匹配已经安好的 CUDA 版本号以免引起兼容性问题。比如当选择了 CUDA 12.x 则应该挑选与之配套发布的 cuDNN v8.9.7 或更高版本[^4]。 解压 tarball 归档并将内含的内容复制粘贴进 `/usr/local/cuda-X.Y/` 目录结构里替换掉原有的同名文件夹(X.Y 是指代具体次序编号)。完成后记得调整所有权属性使得普通用户也能正常读取这些资料: ```bash tar xvzf cudnn-linux-x86_64-8.9.7.1_cuda12-archive.tar.xz sudo cp -P cuda/include/* /usr/local/cuda-12.0/include/ sudo cp -P cuda/lib64/* /usr/local/cuda-12.0/lib64/ sudo chmod a+r /usr/local/cuda-12.0/include/cudnn*.h sudo chmod a+r /usr/local/cuda-12.0/lib64/libcudnn* ``` 至此整个流程就全部结束了,可以通过加载测试样例的方式检验一切工作是否顺利完成。
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