卸载cuda11.2（个人记录）

最新推荐文章于 2025-01-24 21:21:17 发布
最新推荐文章于 2025-01-24 21:21:17 发布
阅读量1.6k 收藏 1
点赞数
分类专栏： 环境配置 文章标签： cuda
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。
本文链接：https://blog.csdn.net/LTuantuan/article/details/121324480
版权

进入cuda-11-2 找到cuda-unistaller文件的话执行

sudo ./cuda-uninstaller

相应的对于其他11.0以上版本也可以在bin目录中查看到该文件

笔者还遇到过一个问题，在安装cudatoolkit11.3时没有在bin目录下面找到uninstaller文件

后来直接在cuda/bin下面找到了uninstaller文件

运行后会提示用户想要卸载哪一个版本，这时选择想要卸载的版本即可

CUDA降级安装失败，如何彻底卸载老版本
qq_26536263的博客
09-23 4516
CUDA降级安装失败解决办法问题及解决办法问题解决办法 问题及解决办法 问题 之前安装的cuda11.0及相应的cuDNN，安装TensorFlow2.3.0后无法调用GPU。错误是寻找libcudart.iso.10.1失败。此问题应该是TensorFlow2.3.0与CUDA11.0不匹配造成的，因此我查找了网上关于彻底卸载cuda的方法，如下： sudo apt-get remove cuda sudo apt-get autoclean sudo apt-get remove cuda* cd /u
记录：TensorFlow2.6版本环境搭建cuda11.2 anaconda python3.9 ++++ pytorch环境安装
baluobo的博客
04-23 3649
首先确定想要安装的TensorFlow版本，须知TensorFlow与cuda版本具有对应关系，可以在这里查看从源代码构建 | TensorFlow (google.cn)https://tensorflow.google.cn/install/source#gpu
cuda11.2卸载
ionlylo1的专栏
04-23 1875
https://blog.csdn.net/qq_42518956/article/details/108358254
卸载原有的cuda，更新cuda
m0_63251896的博客
03-29 3109
看了一下自己的gpu，发现驱动可能装低了，随即尝试更新驱动，写下此篇注：我原先是10.2的版本，改了之后是11.2，下面的图都用11.2的，不过不碍事。 第一步：查看现在本机装的cuda版本 我以前是10.2的，听说30系列对10.2的兼容性不是很好。 第二步：查看可以装的cuda版本 第三步：卸载原有的cuda 进入卸载页面，将带有以前旧版本的，带编号的卸载即可。 以下图，是我已经更新好的图，理应后面是10.2的 第四步：安装新的cuda CUDA下载链接：
windows10操作系统下安装和卸载cuda
weixin_42779620的博客
07-25 1971
windows10操作系统下安装和卸载cudaCudnn各版本下载地址Cuda各版本下载地址。
【抄作业】ubuntu完全卸载CUDA，彻底卸载cuda，卸载不同版本的cuda，cuda不同版本的卸载方法
BetrayFree的博客
12-14 9273
我们都知道，cuda的一般卸载需要依次选中需要卸载的CUDA包，鼠标右键点击卸载即可，一般需要保留3个已经安装的CUDA包，分别为NVIDIA GeForce Experience x.x.x.x、NVIDIA PhysX 系统软件 x.x.x、NVIDIA 图形驱动程序 x.x。因为cudnn文件还在的缘故，自己的cuda-xx.x文件夹仍然在，需要手动删除。我想大家都会有这个疑问，同样，我也是，因为cuda所安装需要的依赖和其他东西太多，而且为了兼容性，可能还会附带安装其他版本的内容，这是很常见的。
Ubuntu18.04_NVIDA驱动460_Cuda11.2_CuDNN8
weixin_44109545的博客
03-11 4737
Ubuntu18.04_NVIDA_Cuda_CuDNNNVIDA显卡驱动安装NVIDIA CudaCuDNN NVIDA显卡驱动 在应用程序中找到 Software & Updates（软件和更新） 选择一个驱动，推荐最近的版本（末尾数字更大），点击Apply changes（应用更改） 重启电脑 安装NVIDIA Cuda 依次点击对应模块： 出现如下信息：（截至2021/3/10） 按照上述顺序出现错误，经尝试，我成功的方案如下： wget https://developer.do
ubuntu16.04 cuda cudnn 升级部署
daoyu8246的博客
03-24 1804
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结 前言 提示：这里可以添加本文要记录的大概内容： 例如：删除线格式 随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。 提示：以下是本篇文章正文内容，下面案例可供参考 一、pandas是什么？ 示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。 二、使用步骤 1.
ubuntu16.4安装nvidia驱动470.xx、cuda10.2、cudnn
小弱鸡的博客
09-08 3235
记录一下安装流程，网上常规步骤可能不太详细，见谅 首先卸载已经（默认）安装好的的nvidia驱动，默认安装的版本可能过低，导致cuda安装时直接失败。建议完全卸载，有教程。关键代码： sudo apt-get purge nvidia* 这里值得一提的是，现在CUDA10.0以上的版本卸载文件已经没有.pl后缀了 还需要注意的是：禁用自带的 nouveau nvidia驱动这个操作在你卸载了nvidia驱动后是没有作用的，当你安装好了新的官方nvidia显卡驱动适配版本后，这个问题应该不会产生。
tensorflow，cuda，cudnn，pycharm安装踩坑过程记录
satellite_s的博客
01-24 1345
其实已经进入后半程了，那就是cuda安装卸载出现的版本过多冲突的问题，记录一下（毕竟总能配好环境的对吧？这里查看显卡类型，是因为我在看别人说nvidia显卡保留三个东西，剩下的全部删除，我发现我保留的那三个只有一个，也就需要重新下载一下nvidia显卡了然后这里我们可以看到CUDA推荐下载版本是12.7呵呵呵呵呵。
Ubuntu下CUDA的卸载以及安装(deb方式和run方式)
IT菜鸟
08-12 4万+
一、参考资料 CUDA、CUDNN在Ubuntu下的安装及配置 二、注意事项 用deb方式安装CUDA，会附带安装显卡驱动； 用run方式安装CUDA，需要提前安装好显卡驱动； 安装显卡驱动的时候，最好安装高版本的,这样不会受cuda版本的影响； 三、run方式 卸载用run方式安装的CUDA和驱动 #uninstall cuda # 第一行命令不要忘记要加上perl命令，要不然会报错 sudo perl /usr/local/cuda-X.Y/bin/uninstall_cuda_X.Y.pl
CUDA卸载&&重装
热门推荐
weixin_44606139的博客
10-24 6万+
CUDA卸载&&重装
在windows11环境下CUDA和cuDNN安装教程（超详细）.卸载CUDA、安装CUDA的nsight visual studio edition失败的情况、vs2019里面没有CUDA新建项目
Redamancy06的博客
07-15 1万+
下载CUDA下载地址下载CUDNN下载地址安装CUDA和cuDNN安装CUDA配置环境变量配置SDK验证deviceQuery和bandwidthTest测试一下输入set cuda可以查看CUDA安装路径安装cuDNN，cuDNN 其实就是 CUDA 的一个补丁而已卸载CUDA安装CUDA失败的情况nsight visual studio edition失败VS2019+CUDA11.1新建项目里没有CUDA选项...............
【软件安装】CUDA的卸载
威0.0的博客
11-27 8594
本文介绍CUDA的卸载，详细记录了把CUDA卸载干净的具体操作。
彻底卸载CUDA、cuDNN详细教程
qq_62928482的博客
06-12 5万+
本文介绍如何正确彻底卸载CUDA和cuDNN，避免重新安装不同版本的CUDA时出现报错的困扰，方便读者对资源的管理与应用。1.卸载所有与CUDA有关的程序。2.删除环境变量。3.删除文件夹。按照本文三个步骤就可以把CUDA和cuDNN删除干净了！
CUDA卸载与安装
花有重开日，人无再少年。
06-16 1万+
将CUDNN压缩包里面的bin、clude、lib文件直接复制到CUDA的安装目录下，直接覆盖安装即可。需要你注册一个账号，然后进行问卷之后才可以进行下载页面，反正一步步操作即可。安装CUDA时，先看电脑上有没有独立的NVDIA显卡，在设备管理器中查。选择自定义，将VS勾给去掉，CUDA的安装目录，大家默认安装在C盘即可。如果显卡支持，打开NVDIA控制面板 —系统信息，你会看到下图。我电脑支持的最高CUDA版本11.5.125，我装11.5.0。点击组件，红色剪头所指就是电脑支持的最高CUDA版本。
ubuntu14.04中卸载cuda、cudnn
小小何先生的学习之旅
11-30 1038
我的微信公众号名称：深度学习与先进智能决策微信公众号ID：MultiAgent1024公众号介绍：主要研究强化学习、计算机视觉、深度学习、机器学习等相关内容，分享学习过程中的学习笔记和心得！期待您的关注，欢迎一起学习交流进步！ 1.卸载cuda sudo /usr/local/cuda-10.0/bin/uninstall_cuda_10.0.pl 卸载之后，会发现/usr/loca...
CentOS rpm yum 安装与卸载
趙大叔
04-25 662
一、rpm包的安装： 1.安装一个包 # rpm -ivh 2.升级一个包 # rpm -Uvh 3.移走一个包 # rpm -e 4.安装参数 –force 即使覆盖属于其它包的文件也强迫安装，不适用于卸载操作。 –nodeps 如果该RPM包的安装依赖其它包，即使其它包没装，也强迫安装。 5.查询一个包是否被安装 # rpm -q 6.得到被安装的包的信息 # rp
CUDA卸载（runfile安装以及deb方式安装方式的卸载）
weixin_43937959的博客
01-21 4287
1、runfile方式安装的卸载 在/usr/local/cuda-11.2/bin路径下找到带有uninstaller的脚本（如下图） 执行命令： sudo ./cuda-uninstaller 执行完成之后，你会发现 /usr/local 目录下没有了 cuda 文件夹，若还有cuda-11.2的可以手动删除。 2、deb方式安装的卸载 官网方式 官网方式： sudo apt-get --purge remove "*cublas*" "*cufft*" "*curand*" \ "*cusolv
2external/local_xla/xla/stream_executor/cuda/cuda_dnn.cc:9261] Unable to register cuDNN factory: Attempting to register factory for plugin cuDNN when one has already been registered 2024-04-08 12:59:19.091785: E external/local_xla/xla/stream_executor/cuda/cuda_fft.cc:607] Unable to register cuFFT factory: Attempting to register factory for plugin cuFFT when one has already been registered 2024-04-08 12:59:19.093225: E external/local_xla/xla/stream_executor/cuda/cuda_blas.cc:1515] Unable to register cuBLAS factory: Attempting to register factory for plugin cuBLAS when one has already been registered
最新发布
04-03
### 解决方案概述 当遇到 `cuDNN`、`cuFFT` 或 `cuBLAS` 插件重复注册 (`duplicate factory registration`) 的问题时，通常是因为 TensorFlow 或其他依赖项尝试多次加载相同的 CUDA 库。以下是针对此问题的具体分析和解决方案。 --- #### 1. **问题的根本原因** 此类错误通常是由于多个版本的 CUDA 工具包 (CUDA Toolkit) 被安装在同一环境中，或者某些库被重复链接到不同的路径中。具体来说： - 如果 TensorFlow 尝试加载两个不同版本的 cuBLAS/cuDNN/cuFFT，则可能会触发冲突。 - 当前环境可能包含了旧版或不兼容的 CUDA 动态链接库文件 (.dll/.so)，这些文件会被优先加载而不是最新版本[^1]。 --- #### 2. **解决方法** ##### 方法一：清理多余 CUDA 版本 确保只保留一个版本的 CUDA 安装目录，并将其加入系统的 PATH 环境变量中。可以通过以下命令检查当前系统中存在的 CUDA 文件位置： ```bash which nvcc ldd --version ``` 如果发现存在多条记录指向不同的 CUDA 安装路径，请卸载多余的版本并重新配置环境变量[^3]。 ##### 方法二：更新至匹配版本 确认所使用的 TensorFlow 版本与 CUDA/CuDNN 的推荐组合一致。例如，在 TensorFlow 2.10 中建议搭配 CUDA 11.x 及 CuDNN v8.x 。可以访问 NVIDIA 官方文档获取最新的兼容性列表[^4]: ```plaintext TensorFlow Version -> Required CUDA / cuDNN Versions TF 2.10 -> CUDA 11.2, cuDNN 8.1+ ``` ##### 方法三：禁用不必要的插件重写逻辑 有时第三方框架会强制覆盖默认行为从而引发上述异常情况；对此可考虑通过设置环境标志位来规避潜在风险： ```python import os os.environ['TF_FORCE_GPU_ALLOW_GROWTH'] = 'true' os.environ['TF_DISABLE_PLUGIN_CUBLAS'] = 'true' # 避免二次加载cublas模块 ``` 注意以上操作仅适用于开发调试阶段而非生产部署场景下长期应用[^2]。 --- #### 3. **验证修复效果** 完成调整之后重启程序运行测试是否恢复正常工作状态。另外也可以借助 nvidia-smi 命令查看 GPU 使用状况进一步判断问题是否彻底消除。 --- ### 示例代码片段展示如何正确初始化CuFFT资源管理器对象实例化过程如下所示: ```cpp #include <cufft.h> // 创建 FFT 计划... int rank = 1; long long fft_size[] = { N }; cufftHandle plan; if(cufftPlanMany(&plan ,rank,(long*)fft_size,NULL,N/N,N, NULL,N/N,N,CUFFT_Z2Z,batch)!=CUFFT_SUCCESS){ fprintf(stderr,"Failed creating FFT plan\n"); } ``` 上面这段伪代码展示了利用 C++ 编程语言结合 CuFFT API 构建离散傅里叶变换规划的过程. ---
评论
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