CUDA9.2 降级成 CUDA9.0 记录

最新推荐文章于 2025-03-09 05:21:29 发布
最新推荐文章于 2025-03-09 05:21:29 发布
阅读量2.3w 收藏 25
点赞数 5
分类专栏： |— 深度学习 文章标签： CUDA GPU 显卡 安装 配置
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/bat67/article/details/84935538
版权

前言

我发现CUDA版本装9.2真心不是一个好主意，不仅TensorFlow没有官方的CUDA9.2支持（Github上有别人编译好了的，可以找一下如果需要），现在PyTorch更新stable版的1.0了，也暂时只有CUDA 8.0, 9.0, 10.0的支持，除非从源码编译，而且考虑到之后装keras、TFLearn、tensorlayer等怕出问题，就准备把我的CUDA降级成9.0.

卸载CUDA（9.2和重复的9.0）

我看stackoverflow有人写说直接安装就行，旧的版本会自动卸载掉，为了避免麻烦我尝试了一下，结果，新装的9.0版本不仅没有装完（有一个似乎是什么Nsight显示版本比安装的这个新，因为那个是9.2版本时候装的，要我卸载在装这个），结果我一看CUDA竟然并存了两个版本，（虽然网上说两个版本可以并存，什么先装旧版本再装新版本，但这不是我期望的啊！）。一看stackoverflow那个看似简单的方法不行，就开始卸载旧版本。

CUDA_Installation_Guide手册里写了直接在控制面板里卸载就行（这个手册可以在官网某个位置找到），就是下面这么写的CUDA手册中的卸载方法所以我就在控制面板-程序与功能里卸载，排了下序，因为我的电脑里现在有两个版本的CUDA，我就把重复的都卸载了，最后再重新装9.0（因为我不确定重复装了会不会有问题，就全部卸载再单独装一个），基本上就是：

  • 控制面板-程序与功能里在给所有软件排序，
  • 找到NVIDIA开头的软件，留下：NVIDIA的图形驱动程序、NVIDIA Physx系统软件，其余的一律卸载就ok
  • 卸载顺序无所谓，NVIDIA的软件一个个都有其独立卸载程序，但一定要保留上一条那两个
  • 基本情况就像下面这个图（不是我的电脑，图片来自网络，当初卸载没有截图，但都是类似的可以参考）
    控制面板-程序与功能
  • 最后看了一眼C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA里还有9.2的文件夹和9.0的文件夹，因为我都卸载了，都删掉，这个目录应该是空的
  • 我看网上还有说注册表什么的，因为考虑我只是降级，一会儿还要装9.0，并不是完全删除卸载CUDA，就没管。
  • 可以把C:\Program Files\NVIDIA Corporation\Installer2这个文件夹里的内容删除，留下文件夹，避免之后安装9.0版本有问题，具体原因见后文

安装CUDA9.0

  • 因为之前已经装过一遍了，所以这步也比较简单，也不是本文的重点，简单来说就是在官网上下载好对应版本的CUDA双击一路确定/下一步就ok。（注意要是第一次装CUDA是要装VS的，具体版本见官网和别人的教程，之前在装9.2版本的时候已经装过了，此处略去）
  • 之前装过一次，所以环境变量还在，最后环境变量是这些
    CUDA环境变量
  • 其中CUDA_PATH和CUDA_PATH_V9_0是CUDA装好了就自动写入PATH的（而且我卸载了CUDA时这两个也消失），因为我之前装过一次，卸载之后除了CUDA_PATH和CUDA_PATH_V9_0这两个，其余的还在PATH中就不用再配置了，注意的是，CUDA_SDK_PATH也不会变，原来我安装9.2的时候配置的是...\CUDA Samples\v9.2，这个即使在装好了9.0也不会变，所以手动改一下成...\v9.0，其余的都不用变。
  • 重启电脑，基本ok

验证安装

  • 在cuda安装文件夹中有deviceQuery.exe 和 bandwidthTest.exe两个程序，在CMD/Powershell中打开安装位置这个目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\demo_suite，分别输入deviceQuery.exe 和 bandwidthTest.exe，运行结果Result=PASS则说明通过，反之，Result=Fail 则需要重新安装。 因为这是事后几天写的图就懒得再试一次再截了。

一些其他的

装完之后我发现电脑C盘少了不少，固态硬盘寸土寸金

cuda+cudnn+pytorch下载（包含cuda降级）
weixin_74075792的博客
03-02 6049
在深入研究深度学习和CUDA编程时，一个常见的挑战是确保你的计算机上安装的CUDA版本与你的应用程序或框架兼容。不匹配的CUDA版本可能导致程序无法正常运行。本篇博客将指导你如何卸载当前不匹配的CUDA版本，并安装正确的版本来避免兼容性问题。
Linux卸载安装CUDA,linux ubuntu 18.04 卸载cuda10.2 安装cuda 9.0
weixin_33522643的博客
05-07 2043
一、卸载cuda10.2$ sudo /usr/local/cuda-10.2/bin/cuda-uninstaller或者$ cd /usr/local/cuda-10.2/bin$ sudo ./cuda-uninstaller等待一会，会自动提示卸载成功。二、安装cuda 9.0卸载了10.2，安装9.0(部分可以参考：https://blog.csdn.net/qxqxqzzz/arti...
cuda10.1降级（卸载+安装）
weixin_42639575的博客
10-30 1万+
1.卸载: 实测有用贴： https://blog.csdn.net/qq_34877350/article/details/81185447 https://blog.csdn.net/m0_37951243/article/details/90051494 https://blog.csdn.net/u012074597/article/details/80317275 2.安装9.0
【CUDA】什么是CUDA？什么是CUDA编程？
bandaoyu的note
03-09 1794
CUDA（Compute Unified Device Architecture，统一计算设备架构），是显卡厂商NVIDIA推出的一种并行计算平台和编程模型。概念中的重点是“统一”二字：“统一”的含义是指该架构将不同类型的计算设备（主要是CPU和GPU）整合到一个统一的编程模型中，开发者可以使用相同的编程语言和工具集，在CPU和GPU上执行计算任务，而无为 CPU 和 GPU 分别编写完全不同的代码(既同时开发 CPU 和 GPU 上的共同程序)，这种统一性简化了并行计算的开发流程传统方式。
CUDA版本降级操作（记录）
热门推荐
qq_43308156的博客
10-26 6万+
CUDA版本降级操作
电脑的GPU太强了，pytorch版本跟不上，将cuda驱动进行降级
Ling_Ze的博客
01-24 5238
电脑的GPU太强了，pytorch版本跟不上，将cuda驱动进行降级
windows和Linux网口减速,linux – 在Windows中运行时CUDA性能下降
weixin_35882650的博客
05-04 250
通过WDDM堆栈发送GPU硬件命令有一个fair amount of overhead.正如您所发现的,这意味着在WDDM(仅)下,GPU命令可以“批处理”以分摊此开销.批处理过程可能(可能会)引入一些延迟,这可能是可变的,具体取决于正在发生的其他事情.Windows下的最佳解决方案是将GPU的操作模式从WDDM切换到TCC,这可以通过nvidia-smi命令完成,但它仅支持特斯拉GPU和Quad...
TensorFlow版本升降级/解决GPU与CUDA版本冲突
tglpc的博客
05-28 1万+
目前tensorflow官方提供的版本只支持cuda 9.0，非源码安装要求GPU计算能力在3.5以上。注意官方提供的安装方式将默认安装最新的TensorFlow稳定版，即便安装cuda 8.0也无法运行C:\> pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade tensorflow-gpu对于GPU比较老的...
Ubuntu18.04+CUDA9.0+cuDNN7.4.1+tensorflow-gpu1.10安装基本流程及问题处理汇总
lmy8869的博客
11-26 3087
写在前面的话： 本来最初是安装好了CUDA10.0，但tensorflow-gpu最新的版本1.12目前并不支持CUDA10.0，因此只好卸载重装CUDA9.2，所以本流程从CUDA卸载写起，同时请大家不要轻易升级新版本。 基本流程及问题处理 1. CUDA卸载 按照官网文档，通过deb包安装的CUDA10.0采用以下步骤进行卸载，基本保证可以卸载干净 sudo apt-get --purge ...
Ubuntu18.04安装cuda9.0，cudnn7.0.5，Anaconda3-5.2.0和TensorFlow-gpu1.8.0
pblearning的博客
05-04 1119
目录 1. 前言 2. 安装显卡驱动 3. 禁止第三方开源驱动 3.1 修改文本有三种方式，以修改软件环境为例 4. 更新NVIDIA驱动 5. gcc降级为4.8 6. 安装CUDA和cuDNN 6.1 安装CUDA 6.2 安装cuDNN 6.3 测试CUDA 6.4 测试cuDNN 6.5 查看CUDA和cuDNN版本 6.6 卸载CUDA 7. 安装Anaco...
真实机下 ubuntu 18.04 安装GPU +CUDA+cuDNN 以及其版本选择（亲测非常实用）
Marlon1993的博客
05-28 2万+
ubuntu 18.04 安装GPU +CUDA+cuDNN ：目前，大多情况下，能搜到的基本上都ubuntu 14.04.或者是ubuntu 16.04的操作系统安装以及GPU 环境搭建过程，博主就目前自身实验室环境进行分析，总结一下安装过程。1.实验室硬件配置（就需要而言）： gpu : GeForce titan xp 12G 显...
ubuntu降低内核版本
11-17
ubuntu降低内核版本 ubuntu编译linux内核并安装
ubuntu18 CUDA版本降级
shimmer_ghq的博客
11-23 9905
用别人的代码训练模型时，由于tensorflow-gpu版本太高，报了很多错，一个个改太麻烦，所以直接降级。tensorflow降级为1.14，与此同时也要换成对应版本的CUDA和cuDNN。 1.tensorflow-gpu降级 pip uninstall tensorflow-gpu pip install tensorflow-gpu==1.14 2.gcc降级 我的服务器本身好像是gcc10.几，现在降到5.5 cd /usr/bin sudo rm gcc sudo ln -s gcc-5 gc
Ubuntu16.04卸载cuda9.2 安装cuda9.0 cudnn7.0 和tensorflow-gpu（安装程序附百度网盘下载地址）
currycode
12-21 3263
环境信息： 系统 ubuntu16.04 GPU GTX1060 6G 安装程序： cuda9.2：链接: https://pan.baidu.com/s/1XwnBzyMEgj9YcN5kh4neNg 提取码: dpws  cuda9.0：链接: https://pan.baidu.com/s/1CLpSFBRsupOVsSavCktvKA 提取码: jdea cudnn7.0...
低版本CUDA安装/多版本切换/用户级CUDA安装
zoetu
05-09 1万+
在CUDA11.6的本机上，以安装CUDA10.2为例演示低版本CUDA安装和Torch1.7.1安装
当cuda版本安装错误怎么降级linux/wsl
m0_51638271的博客
02-04 1885
当cuda版本安装错误怎么降级linux/wsl
ubuntu22.04降级安装CUDA11.3
gls_nuaa的博客
01-10 877
ubuntu22.04原CUDA12.1降级安装11.3
win10 CUDA版本进行切换
xzh20030330的博客
10-17 635
1.1 用命令行win+R 打开cmd 输入，查看CUDA版本。1.5最后在cmd 输入 nvcc -V进行验证一下。1.3 修改系统变量中的CUDA—PATH。1.2 系统变量path中切换变量。将想用的CUDAv11.8版本上移。1.4 修改系统变量中的。
CUDA(九) 周斌 CUDA程序分析和调试工具
fanre的专栏
10-19 1423
Linux $ nsight ncvv编译器   单卡模式（一个GPU） 双卡模式（两个GPU，1个显示，1个调试） 远程调试（连接远程服务器） 查看硬件配置：$ lspci | grep -i nvidia 显示设置放在GPU，专业调试放在另一个GPU $ nvidia-smi系统管理接口 1、启动Nsight 2、新建project 3、选择平台CUDA的计算能力是不一...
cuda 9 cudnn7
最新发布
03-25
<think>嗯，用户需要关于CUDA 9和cuDNN 7的安装、配置和兼容性信息。首先，我应该检查提供的引用资料。引用[1]和[2]提到了CUDA 12.1和12.0的安装步骤，而引用[3]讨论了版本选择，特别是根据显卡驱动和Python版本来确定CUDA版本。不过用户询问的是较旧的CUDA 9和cuDNN 7，可能需要更早的指导。 首先，我需要确认CUDA 9和cuDNN 7的兼容性。根据引用[3]，用户可以通过NVIDIA控制面板查看支持的CUDA版本，但CUDA 9比较老，可能只兼容特定版本的显卡驱动。用户需要确保他们的显卡驱动支持CUDA 9，可能需要较旧的驱动程序版本。 安装步骤方面，CUDA的安装流程在引用[1]和[2]中大致相同：下载、安装、环境变量配置。不过CUDA 9可能有一些不同的安装选项或依赖项，需要参考当时的官方文档。cuDNN的安装通常是将文件复制到CUDA目录，然后设置环境变量，如引用[1]和[2]中提到的，但具体路径可能不同。 兼容性方面，引用[3]提到要根据Python版本和深度学习框架版本来选择CUDA和cuDNN。例如，TensorFlow 1.x可能需要CUDA 9和cuDNN 7，而较新的版本需要更高版本。用户可能需要确认他们的框架版本是否支持CUDA 9。 生成的问题应该围绕安装步骤、验证方法、兼容性检查、常见问题以及升级可能性。比如如何验证CUDA 9是否正确安装，或者如何解决驱动不兼容的问题。 需要注意的是，由于CUDA 9和cuDNN 7较旧，用户可能遇到依赖项或现代系统不兼容的问题，比如在Ubuntu较新的版本上安装可能需要额外的步骤或降级某些库。此外，安全性和支持方面的问题也应该提及，因为旧版本可能不再接收更新。 总结回答结构：先讲兼容性检查，包括驱动版本和框架支持，然后分步安装CUDA和cuDNN，接着验证安装，最后处理常见问题。同时提醒用户考虑升级的可能性。</think>### CUDA 9与cuDNN 7的安装配置与兼容性指南 #### 一、兼容性检查 1. **显卡驱动要求** CUDA 9需要NVIDIA显卡驱动版本≥**384.81**。可通过以下命令查看当前驱动版本： ```bash nvidia-smi ``` 若驱动版本过低，需通过NVIDIA官网或系统包管理器升级[^3]。 2. **开发环境适配** CUDA 9主要适配以下环境： - **TensorFlow 1.5-1.12**、**PyTorch 0.3.1-1.0.1**（需匹配Python 3.5-3.6） - **Ubuntu 16.04/14.04**、**Windows 10/8.1**（部分功能可能受限） 3. **硬件限制** CUDA 9仅支持**Pascal架构（如GTX 10系列）及更早显卡**，Turing架构（如RTX 20/30系列）需更高CUDA版本。 --- #### 二、CUDA 9安装步骤 1. **下载安装包** 从[NVIDIA CUDA存档](https://developer.nvidia.com/cuda-toolkit-archive)选择CUDA 9.0或9.2版本，根据操作系统下载`runfile`格式（Linux）或`exe`格式（Windows）。 2. **执行安装** **Linux示例**： ```bash sudo sh cuda_9.0.176_384.81_linux.run ``` - 取消勾选显卡驱动安装（若已安装适配版本） - 选择默认安装路径`/usr/local/cuda-9.0` 3. **环境变量配置** 在`~/.bashrc`（Linux）或系统环境变量（Windows）中添加： ```bash export PATH=/usr/local/cuda-9.0/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH ``` --- #### 三、cuDNN 7安装方法 1. **下载cuDNN** 需注册NVIDIA开发者账号，从[cuDNN存档](https://developer.nvidia.com/rdp/cudnn-archive)下载与CUDA 9匹配的cuDNN 7.x版本。 2. **文件部署** **Linux示例**： ```bash tar -xzvf cudnn-9.0-linux-x64-v7.6.5.32.tgz sudo cp cuda/include/cudnn.h /usr/local/cuda-9.0/include/ sudo cp cuda/lib64/libcudnn* /usr/local/cuda-9.0/lib64/ sudo chmod a+r /usr/local/cuda-9.0/include/cudnn.h /usr/local/cuda-9.0/lib64/libcudnn* ``` --- #### 四、验证安装 1. **CUDA验证** ```bash nvcc --version # 应显示CUDA 9.x ``` 2. **cuDNN验证** 编译运行NVIDIA提供的[cuDNN样例代码](https://github.com/NVIDIA/cudnn_samples_v7)，检查输出是否包含`Test passed!`。 --- #### 五、常见问题 1. **驱动版本冲突** 若出现`Failed to initialize NVML: Driver/library version mismatch`，需重启系统或完全卸载旧驱动后重装。 2. **TensorFlow兼容性报错** 若提示`Could not load dynamic library &#39;libcudart.so.9.0&#39;`，检查环境变量是否指向CUDA 9路径，或通过以下命令修复： ```bash sudo ldconfig /usr/local/cuda-9.0/lib64 ``` ---
评论 6
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