【续】深度学习软件安装（显卡为1080ti）CUDA8.0+cuDNN5.1+pytorch1.0.0

【CUDA8.0传送门】：

http://blog.csdn.net/masa_fish/article/details/51882183（亲测不可用）

参考：https://blog.csdn.net/u012235003/article/details/54575758（亲测可用，强烈推荐，网上的其他版本看似通过了测试其实cuDnn根本就没有起到加速作用）

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev与网上版本不同的地方在于装cuda前需要装这些依赖

/usr/local/cuda/sample

注意：在cuda最后的make必须要编译全通过才能说明cuda装成功(对于make全通过而已，可能只是必要的，可能需要按照cuda里面指定的显卡驱动来按照)

卸载：

 

【cuDNN5.1安装】下面有三个版本推荐使用版本三！！

版本一(废除)：

 

下载完成后解压，得到一个 cudn 文件夹，该文件夹下include 和 lib64 两个文件夹，命令行进入 cudn/include 路径下，然后进行以下操作：

sudo cp cudnn.h /usr/local/cuda/include/ #复制头文件

• 1

然后命令行进入 cudn/lib64 路径下，运行以下命令：

sudo cp lib* /usr/local/cuda/lib64/ #复制动态链接库
cd /usr/local/cuda/lib64/sudo rm -rf libcudnn.so libcudnn.so.5 #删除原有动态文件
sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5 #生成软衔接
sudo ln -s libcudnn.so.5 libcudnn.so #生成软链接

• 1
• 2
• 3
• 4

这里需要注意第三行命令，网上有人的第三行命令为：

sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5 #生成软衔接

原因是版本的不同，所以这里需要先查看一下自己应该链接的是 libcudnn.so.5.1.10 还是 libcudnn.so.5.1.5 ，查看方法为下：

locate libcudnn.so

可以看到我的文件是 libcudnn.so.5.1.10 ，并没有 libcudnn.so.5.1.5，所以第三行命令我链接的是 libcudnn.so.5.1.10 ，这里第三行链接命令视你的查看结果而定。

 

安装完成后可用 nvcc -V 命令验证是否安装成功，若出现以下信息则表示安装成功：

yhao@yhao-X550VB:~$ nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2016 NVIDIA Corporation
Built on Tue_Jan_10_13:22:03_CST_2017
Cuda compilation tools, release 8.0, V8.0.61

• 1
• 2
• 3
• 4
• 5

版本二(废除)：

1. sudo tar xvf cudnn-8.0-linux-x64-v5.1.tgz
2. 切换到 cuda/lib64 目录下：sudo cp lib* /usr/local/cuda-8.0/lib64/
3. 切换到 cuda/include 目录下：sudo cp *.h /usr/local/cuda-8.0/include/
4. cd /usr/local/cuda/lib64/
5. sudo rm -rf libcudnn.so libcudnn.so.5
6. sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5
7. sudo ln -s libcudnn.so.5 libcudnn.so

8. 若需要更换cudnn版本，则替换原来的libcudnn*，并重新软链接。

   更新链接库：sudo ldconfig

9. 测试：sudo cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A2 
   

版本三(官方最为推荐前面全部废除):

参考官方文档:https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html

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

注意：注意必须通过上述官网2.4Verifying的测试才能说明cudnn安装成功

 

[pytorch1.0.0]

在装好pytorch后，运行下述代码确保cudnn的版本与自己所装的版本一致
import torch
print(torch.backends.cudnn.version())