ubuntu18.04上cudnn版本更新

由于项目开发中需要使用版本8的cudnn,目前系统配置是版本7,因此需要更新cudnn

当前系统配置:
操作系统:Ubuntu 18.04
cuda版本:cuda10.2
cudnn版本:cudnn7.3.1

1、版本查看

cuda查看

nvcc -V

cudnn查看

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

2、旧版本移除

如果以压缩包的形式安装,则删除以下两个文件夹中cudnn文件:

sudo rm -rf /usr/local/cuda/include/cudnn.h 
sudo rm -rf /usr/local/cuda/lib64/libcudnn*

如果以deb的形式安装,则删除以下内容

sudo rm -rf /usr/local/cuda/targets/x86_64-linux/include/cudnn.h
sudo rm -rf /usr/lib/x86_64-linux-gnu/libcudnn*
sudo rm -rf /usr/local/cuda/targets/x86_64-linux/lib/libcudnn*
sudo rm -rf /usr/share/doc/libcudnn*
sudo rm -rf /var/lib/dpkg/info/libcudnn*
sudo rm -rf /usr/share/lintian/overrides/libcudnn*

有时候安装 

3、根据cuda版本下载cudnn

登录nvidia官网下载,链接如下:cuDNN Download | NVIDIA Developer页面截图如下,

注意:首次登录需要注册才能下载

勾选I agree选项,会出现下图内容,点击红框内选项,即可根据自己需要选择合适的版本。

 根据环境cuda版本和个人需要,我选择版本如下:

4、cudnn安装

安装有两种方法:

1)选择上图中红色框一个压缩包文件下载解压

2)选择上图中蓝色框三个文件下载解压

我使用第一种方法安装,解压后里面是名为cuda的文件夹

cd cuda 进入该文件夹,输入如下命令,将文件复制到系统cuda文件夹内

sudo cp include/cudnn.h /usr/local/cuda/include/
sudo cp include/cudnn_version.h /usr/local/cuda/include/
sudo cp lib64/lib* /usr/local/cuda/lib64/

注意这里版本7和版本8不同,版本8信息在cudnn_version.h中,若想用命令查看版本,需要复制该文件。而版本7在cudnn.h中,注意复制时候

然后建立软链接

cd /usr/local/cuda/lib64/
sudo chmod +r libcudnn.so.8.0.4
sudo ln -sf libcudnn.so.8.0.4 libcudnn.so.8
sudo ln -sf libcudnn.so.8 libcudnn.so   
sudo ldconfig 

 此时安装成功,然后输出版本查看命令

cat /usr/local/cuda/include/cudnn-version.h | grep CUDNN_MAJOR -A 2

输出正确版本信息则安装成功

root@ubuntu:~# cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
#define CUDNN_MAJOR 8
#define CUDNN_MINOR 0
#define CUDNN_PATCHLEVEL 4
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)
#endif /* CUDNN_VERSION_H */

 5、注意事项

步骤4输入sudo ldconfig 可能会报以下错误

root@ubuntu:/usr/local/cuda/lib64# sudo ldconfig
/sbin/ldconfig.real: /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_ops_train.so.8 is not a symbolic link
/sbin/ldconfig.real: /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_adv_infer.so.8 is not a symbolic link
/sbin/ldconfig.real: /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_adv_train.so.8 is not a symbolic link
/sbin/ldconfig.real: /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_ops_infer.so.8 is not a symbolic link
/sbin/ldconfig.real: /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_cnn_train.so.8 is not a symbolic link

解决方法:建立软链接即可,cuda-10.2替换为自己的版本

sudo ln -sf /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn.so.8.0.4 /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn.so.8
sudo ln -sf /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_adv_train.so.8.0.4 /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_ops_infer.so.8
sudo ln -sf /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_ops_infer.so.8.0.4 /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_ops_infer.so.8
sudo ln -sf /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_cnn_train.so.8.0.4 /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_cnn_train.so.8
sudo ln -sf /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_adv_infer.so.8.0.4 /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_adv_infer.so.8
sudo ln -sf /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_ops_train.so.8.0.4 /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_ops_train.so.8
sudo ln -sf /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_cnn_infer.so.8.0.4 /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_cnn_infer.so.8

更换cudnn版本后,以前配置的虚拟环境可能失效,无法调用cudnn 需要重新配置

  • 2
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
在信号处理领域,DOA(Direction of Arrival)估计是一项关键技术,主要用于确定多个信号源到达接收阵列的方向。本文将详细探讨三种ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法在DOA估计中的实现,以及它们在MATLAB环境中的具体应用。 ESPRIT算法是由Paul Kailath等人于1986年提出的,其核心思想是利用阵列数据的旋转不变性来估计信号源的角度。这种算法相比传统的 MUSIC(Multiple Signal Classification)算法具有较低的计算复杂度,且无需进行特征值分解,因此在实际应用中颇具优势。 1. 普通ESPRIT算法 普通ESPRIT算法分为两个主要步骤:构造等效旋转不变系统和估计角度。通过空间平移(如延时)构建两个子阵列,使得它们之间的关系具有旋转不变性。然后,通过对子阵列数据进行最小二乘拟合,可以得到信号源的角频率估计,进一步转换为DOA估计。 2. 常规ESPRIT算法实现 在描述中提到的`common_esprit_method1.m`和`common_esprit_method2.m`是两种不同的普通ESPRIT算法实现。它们可能在实现细节上略有差异,比如选择子阵列的方式、参数估计的策略等。MATLAB代码通常会包含预处理步骤(如数据归一化)、子阵列构造、旋转不变性矩阵的建立、最小二乘估计等部分。通过运行这两个文件,可以比较它们在估计精度和计算效率上的异同。 3. TLS_ESPRIT算法 TLS(Total Least Squares)ESPRIT是对普通ESPRIT的优化,它考虑了数据噪声的影响,提高了估计的稳健性。在TLS_ESPRIT算法中,不假设数据噪声是高斯白噪声,而是采用总最小二乘准则来拟合数据。这使得算法在噪声环境下表现更优。`TLS_esprit.m`文件应该包含了TLS_ESPRIT算法的完整实现,包括TLS估计的步骤和旋转不变性矩阵的改进处理。 在实际应用中,选择合适的ESPRIT变体取决于系统条件,例如噪声水平、信号质量以及计算资源。通过MATLAB实现,研究者和工程师可以方便地比较不同算法的效果,并根据需要进行调整和优化。同时,这些代码也为教学和学习DOA估计提供了一个直观的平台,有助于深入理解ESPRIT算法的工作原理。
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

打赏作者

CV温故知新

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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