现在nvidia驱动里面自带了cuda,所以安装nvidia驱动即可。
在https://docs.nvidia.com/deploy/cuda-compatibility/index.html 这里看兼容性选择驱动版本。
在https://www.nvidia.com/en-us/drivers/unix/linux-amd64-display-archive/ 下载
在https://www.nvidia.com/Download/driverResults.aspx/153714/en-us 下载430.64版本的驱动
1. 换源
mv /etc/yum.repos.d/CentOS-Base.repo /etc/yum.repos.d/CentOS-Base.repo.backup
wget http://mirrors.163.com/.help/CentOS7-Base-163.repo
mv ./CentOS7-Base-163.repo /etc/yum.repos.d/CentOS-Base.repo
yum clean all
yum makecache
并
yum -y upgrade
2. reboot
3. yum install libglvnd-devel -y
4. yum groupinstall "Development Tools" -y
5. yum install -y kernel-devel kernel-headers dkms epel-release
6. 修改/etc/default/grub,在GRUB_CMDLINE_LINUX末尾增加nouveau.modeset=0。执行grub2-mkconfig -o /boot/grub2/grub.cfg和grub2-mkconfig -o /boot/efi/EFI/centos/grub.cfg
7. reboot
8. init 3
9. 安装nvidia驱动(./NVIDIA-Linux-x86_64-430.64.run),各种yes ok
10. reboot
11. nvidia-smi看cuda版本是否正确
PS:Windows版本下载地址
10.2版本 https://download.csdn.net/download/noodle_bear/18205634
如果你的Windows是使用DCH驱动,则需要使用下面的安装程序
https://download.csdn.net/download/noodle_bear/18205857
(查看自己的Windows支持何种类型的驱动)
注意!兼容性问题 cuda10.2支持比较老一点的tensorflow例如2.1,而tensorflow2.1只支持python3.6,3.7。假设你的python版本比较高,那么你需要创建一个新的python环境,并使用低版本的python。如果你使用anaconda或者miniconda进行环境管理,那么可以用类似下面的命令:
conda create -n py37 python=3.7 anaconda
conda activate py37
conda install tensorflow-gpu=2.1