cuda toolkit 任意版本非root权限(以cuda toolkit 11.0为例)

cuda安装

起因是调试Tensorflow版本无法获取到当前的GPU,然后发现是自己的toolkits版本太老了,所以改成11.0
Step 1: 进入官网下载

wget https://developer.download.nvidia.com/compute/cuda/11.0.3/local_installers/cuda_11.0.3_450.51.06_linux.run

在这里插入图片描述
Step 2: 非root权限运行

sh cuda_11.0.3_450.51.06_linux.run

在这里插入图片描述
这里非常关键,只下载ToolKit 11.0,如果下载Driver会出现权限不够的情况,
在这里插入图片描述
此外,还需要设置Options,在Change Toolkit Install Path里,将路径设置到自己用户目录(提前创建一个目录)下,不然的话,同时将下面的都取消掉

在这里插入图片描述

用nvcc -V查看,安装成功!
在这里插入图片描述

记得修改环境变量噢,要把自己用户设置的cuda路径放在前面!

关于Jupyter notebook 虚拟环境

conda install nb_conda
conda install -n python_env(环境名字) ipykernel
  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
根据引用,可以通过以下几种方法来选择CUDA Toolkit版本: 1. 指定CUDA Toolkit版本:根据表一查询可安装CUDA Toolkit版本,并根据需要选择合适的版本。例如,如果最高的CUDA Toolkit版本是11.4,你可以运行`conda install pytorch cudatoolkit=11.3 -c pytorch`来安装对应的CUDA Toolkit版本。这种方法会自动匹配合适的PyTorch版本。 2. 参考官方文档:如果上述方法没有你需要的版本,你可以参考官方文档来查找合适的版本。请注意,驱动是向下兼容的,决定了可安装CUDA Toolkit的最高版本。你可以使用`nvidia-smi`命令查询驱动版本。 3. 同时指定CUDA Toolkit版本和PyTorch:根据表一查询可安装CUDA Toolkit版本,并根据表二查询合适的PyTorch版本。例如,如果需要安装CUDA Toolkit版本为11.3,PyTorch版本为1.11.0,你可以运行`conda install pytorch=1.11.0 cudatoolkit=11.3 -c pytorch`来安装指定的版本。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [PyTorch、CUDA Toolkit 及显卡驱动版本对应关系](https://blog.csdn.net/wxy2020915/article/details/126543594)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
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