【无标题】

最新推荐文章于 2024-07-18 16:07:39 发布
最新推荐文章于 2024-07-18 16:07:39 发布
阅读量486 收藏
点赞数
分类专栏： cuda cudnn 文章标签： ubuntu linux 运维
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/qq_38664794/article/details/127397107
版权

一 cuda安装

cuda官网：https://developer.nvidia.cn/cuda-toolkit-archive

参考博客：https://blog.csdn.net/qq_33548747/article/details/116700296
https://www.freesion.com/article/6074251962/
https://blog.csdn.net/weixin_39833429/article/details/111115605

1.验证自己的电脑是否有一个可以支持CUDA的GPU

lspci | grep -i nvidia

2.验证自己的Linux版本是否支持 CUDA(Ubuntu 16.04没问题)

uname -m && cat /etc/*release

3.安装gcc版本需要对应版本

https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html
查看gcc版本

gcc -v

4.CUDA安装

cuda9.2
https://developer.nvidia.com/cuda-92-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=runfilelocal页面下载
或者对应指令

wget https://developer.download.nvidia.com/compute/cuda/11.0.3/local_installers/cuda_11.0.3_450.51.06_linux.run

指令：
cuda_9.2.148_396.37_linux.run
注意：等到more出来要一直按enter,后面打accept，后面按提示。

其他版本
https://developer.nvidia.com/cuda-toolkit-archive

5.设置环境变量

终端打开文件：

sudo gedit /etc/profile

在文件末尾加以下的代码并保存（我的是64位系统所以是lib64，如果是32位系统则是lib即可）：

export PATH=/usr/local/cuda-9.2/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.2/lib64\
${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

重启电脑，检查环境变量是否配置成功。

cat /proc/driver/nvidia/version
nvcc -V

显示出版本信息即安装成功了
还可以使用cat /usr/local/cuda/version.txt查看
注意：如果显示没有nvcc指令那有两种情况，一种是需要下载指令用sudo apt install nvidia-cuda-toolkit;另一种则是cuda没装好。根据提示在terminal中输入sudo apt-get install nvidia-cuda-toolkit安装，执行命令后，nvcc命令可以正常执行，但是运行nvcc –version发现版本为7.5，与CUDA 9.2不匹配

首先卸载nvidia-cuda-toolkit

sudo apt-get autoremove nvidia-cuda-toolkit
nvcc -V

查看/usr/local/cuda/bin下是否有nvcc可程行程序如果没有说明cuda没有正常安装，需要重新安装，如果有，进入下一步添加环境变量，打开~/.bashrc ，sudo gedit ~/.bashrc
添加

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-9.2/lib64
export PATH=$PATH:/usr/local/cuda-9.2/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-9.2

保存，再终端运行：

source ~/.bashrc

使之生效

再次输入nvcc --version。看到以下提示：
bash:/usr/bin/nvcc: No such file or directory
则将/usr/local/cuda/bin下的nvcc复制到这个目录下

wget下载cudnn报错显示403.
这是因为：Nvidia要求下载时进行验证（事实上，在我们从浏览器端下载cuDNN时，会被要求登录），而我们直接使用wget跳过了验证，所以被Forbidden了

1.https://developer.nvidia.com/compute/machine-learning/cudnn/secure/7.6.5.32/ Production/10.1_20191031/cudnn-9.2-linux-x64-v7.6.5.32.tgz

2.CUDNN_TAR_FILE=“cudnn-9.2-linux-x64-v7.6.5.32.tgz” #与上面链接中的相对应

3.wget http://developer.download.nvidia.com/compute/redist/cudnn/v7.6.5/${CUDNN_TAR_FILE} #v7.6.5与CUDNN_TAR_FILE相对应

参考博客：
https://blog.csdn.net/WUDIxi/article/details/119481743?ops_request_misc=&request_id=&biz_id=102&utm_term=%E6%80%8E%E4%B9%88%E4%B8%8B%E8%BD%BDcudnn-9.2-linux-x64-v7.6.5&utm_medium=distribute.pc_search_result.none-task-blog-2allsobaiduweb~default-0-119481743.142v35experiment_2_v1,185v2control&spm=1018.2226.3001.4187

解压:

tar -xzvf cudnn-9.2-linux-x64-v7.6.5.32.tgz

将下列文件复制到 CUDA Toolkit 目录，并修改权限:

sudo cp cuda/include/cudnn.h /usr/local/cuda-9.2/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-9.2/lib64
sudo chmod a+r /usr/local/cuda-9.2/include/cudnn.h /usr/local/cuda-9.2/lib64/libcudnn*

参考博客：
https://blog.csdn.net/RadiantJeral/article/details/120091319?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522165897414116782248586975%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=165897414116782248586975&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2allfirst_rank_ecpm_v1~rank_v31_ecpm-2-120091319-null-null.142v35experiment_2_v1,185v2control&utm_term=%E6%80%8E%E4%B9%88%E4%B8%8B%E8%BD%BDcudnn-9.2-linux-x64-v7.6.5.32.tgz&spm=1018.2226.3001.4187

如果是同样的cuda和cudnn那么最好的方法还是直接指定路径这样避免重装。

新建一个虚拟环境然后下载cuda11.0.3版本，参考博客：
https://blog.csdn.net/weixin_43678195/article/details/119960152?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522165899278816781432973404%2522%252C%2522scm%2522%253A%252220140713.130102334…%2522%257D&request_id=165899278816781432973404&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2allsobaiduend~default-1-119960152-null-null.142v35experiment_2_v1&utm_term=ubuntu16.04%E4%B8%8Bcuda11.0&spm=1018.2226.3001.4187
网站：https://developer.nvidia.com/cuda-toolkit-archive
安装cuda后使用指令nvcc -V查询显示是9.2,说明cuda似乎是可以虚拟环境共用的。
nvcc: NVIDIA ® Cuda compiler driver
Copyright © 2005-2018 NVIDIA Corporation
Built on Tue_Jun_12_23:07:04_CDT_2018
Cuda compilation tools, release 9.2, V9.2.148
原因是之间添加了路径但没有source一下，使其生效。
接下来是安装cudnn
cudnn官方安装包链接(包含所有版本):
https://developer.nvidia.com/rdp/cudnn-archive
找到对应cuda版本的cudnn然后选择cudnn library for linux右击复制网址。
1.https://developer.nvidia.com/compute/machine-learning/cudnn/secure/8.0.4/11.0_20200923/cudnn-11.0-linux-x64-v8.0.4.30.tgz

2.CUDNN_TAR_FILE=“cudnn-11.0-linux-x64-v8.0.4.30.tgz” #与上面链接中的相对应

3.wget http://developer.download.nvidia.com/compute/redist/cudnn/v8.0.4/${CUDNN_TAR_FILE} #v8.0.4与CUDNN_TAR_FILE相对应
解压

tar -xvf cudnn-11.0-linux-x64-v8.0.4.30.tgz

将下列文件复制到 CUDA Toolkit 目录，并修改权限：

sudo cp cuda/include/cudnn.h /usr/local/cuda-11.0/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-11.0/lib64
sudo chmod a+r /usr/local/cuda-11.0/include/cudnn.h /usr/local/cuda-11.0/lib64/libcudnn*

新建一个虚拟环境然后下载cuda10.0版本
参考博客：
https://blog.csdn.net/zbr794866300/article/details/106574704?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522165907016916781790762276%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=165907016916781790762276&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2allfirst_rank_ecpm_v1~rank_v31_ecpm-2-106574704-null-null.142v35experiment_2_v1&utm_term=ubuntu16.04%E4%B8%8B%E8%A3%85cuda10.0&spm=1018.2226.3001.4187
网站：
https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=runfilelocal

安装指令：

sudo sh cuda_10.0.130_410.48_linux.run

输入内容为：accept -> n ->y -> y ->y(没有选项就按回车)

sudo gedit ~/.bashrc

加入

export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:$CUDA_HOME/bin
export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

最后source ~/.bashrc

加入

export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

二 cudnn安装

1.下载cudnn

1.https://developer.nvidia.com/compute/machine-learning/cudnn/secure/7.6.5.32/Production/10.0_20191031/cudnn-10.0-linux-x64-v7.6.5.32.tgz
2.CUDNN_TAR_FILE=“cudnn-10.0-linux-x64-v7.6.5.32.tgz” #与上面链接中的相对应
3.wget http://developer.download.nvidia.com/compute/redist/cudnn/v7.6.5/${CUDNN_TAR_FILE} #v7.6.5与CUDNN_TAR_FILE相对应

之后解压

sudo cp cuda/include/cudnn.h /usr/local/cuda-10.0/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.0/lib64/

如果没有找到可能是打开终端位置不对，可能需要在download下执行
查看cudnn版本，指令为

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

2.查看torch版本

python
import torch
print(torch.version)
退出则是exit（）或者quit（）

cuda与torch版本匹配去官网查一下即可
查看pytorch官网 https://pytorch.org/get-started/previous-versions/

查看库版本pip list

3. cuda10.2安装

4.通过指令下载

wget http://developer.download.nvidia.com/compute/cuda/10.2/Prod/local_installers/cuda_10.2.89_440.33.01_linux.run

然后指令：

sudo gedit ～/.bashrc

环境中加入：

export PATH=/usr/local/cuda-10.2/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64${LD_LIBRARY_PATH:+:

更新文件：

source ~/.bashrc

5.cudnn下载文件

https://developer.nvidia.com/rdp/cudnn-archive
cudadnn8.0.4：https://developer.nvidia.com/compute/machine-learning/cudnn/secure/8.0.4/10.2_20200923/cudnn-10.2-linux-x64-v8.0.4.30.tgz
cudnn官方安装包链接(包含所有版本):
https://developer.nvidia.com/rdp/cudnn-archive
找到对应cuda版本的cudnn然后选择cudnn library for linux右击复制网址。

1.https://developer.nvidia.com/compute/machine-learning/cudnn/secure/8.0.4/10.2_20200923/cudnn-10.2-linux-x64-v8.0.4.30.tgz

2.CUDNN_TAR_FILE=“cudnn-10.2-linux-x64-v8.0.4.30.tgz” #与上面链接中的相对应

3.wget http://developer.download.nvidia.com/compute/redist/cudnn/v8.0.4/${CUDNN_TAR_FILE} #v8.0.4与CUDNN_TAR_FILE相对应

解压

tar -xvf cudnn-10.2-linux-x64-v8.0.4.30.tgz/tar -zxvf  cudnn-10.2-linux-x64-v8.0.4.30.tgz

将下列文件复制到 CUDA Toolkit 目录，并修改权限

sudo cp cuda/include/cudnn.h /usr/local/cuda-10.2/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.2/lib64
sudo chmod a+r /usr/local/cuda-10.2/include/cudnn.h 
sudo chmod a+r /usr/local/cuda-10.2/lib64/libcudnn*

检验安装

cat /usr/local/cuda-10.2/include/cudnn.h | grep CUDNN_MAJOR -A 2
cat /home/ubuntu16.04/Downloads/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

在当前文件夹下打开终端 然后

sudo cp ./* /usr/local/cuda-10.2/include
sudo cp ./* /usr/local/cuda-10.2/lib64

正常指令：

sudo cp /home/ubuntu16.04/Downloads/cuda/include/cudnn.h /usr/local/cuda-10.2/include
sudo cp /home/ubuntu16.04/Downloads/cuda/lib64/libcudnn* /usr/local/cuda-10.2/lib64
sudo chmod a+r /usr/local/cuda-10.2/include/cudnn.h 
sudo chmod a+r /usr/local/cuda-10.2/lib64/libcudnn*

 sudo rm -rf /usr/local/cuda #删除之前创建的软链接
 sudo ln -s /usr/local/cuda-10.2 /usr/local/cuda #创建新 cuda 的软链接

cuda一般安装在 /usr/local/cuda/ 路径下，该路径下有一个version.txt文档，里面记录了cuda的版本信息:

cat  /usr/local/cuda/version.txt

cudnn的信息:

cat /usr/local/cuda-10.2/include/cudnn.h | grep CUDNN_MAJOR -A 2

或者

cat /usr/local/cuda-10.2/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

cudnn10.1版本
https://developer.nvidia.com/compute/machine-learning/cudnn/secure/7.6.5.32/Production/10.1_20191031/cudnn-10.1-linux-x64-v7.6.5.32.tgz

1.https://developer.nvidia.com/compute/machine-learning/cudnn/secure/7.6.5.32/Production/10.1_20191031/cudnn-10.1-linux-x64-v7.6.5.32.tgz

2.CUDNN_TAR_FILE=“cudnn-10.1-linux-x64-v7.6.5.32.tgz” #与上面链接中的相对应

3.wget http://developer.download.nvidia.com/compute/redist/cudnn/v7.6.5/${CUDNN_TAR_FILE} #v7.6.5与CUDNN_TAR_FILE相对应,注意这里不能写7.6.5.32

tar -zxvf  cudnn-10.1-linux-x64-v7.6.5.32.tgz

sudo cp /home/ubuntu16.04/Downloads/cuda/include/cudnn.h /usr/local/cuda-10.1/include
sudo cp /home/ubuntu16.04/Downloads/cuda/lib64/libcudnn* /usr/local/cuda-10.1/lib64
sudo chmod a+r /usr/local/cuda-10.1/include/cudnn.h 
sudo chmod a+r /usr/local/cuda-10.1/lib64/libcudnn*

cudnn的信息:

cat /usr/local/cuda-10.2/include/cudnn.h | grep CUDNN_MAJOR -A 2

虚拟环境中的cuda和系统安装的cuda是互不影响的，所以在虚拟环境中放心安装你需要的cuda版本。安装之后为了验证时候安装成功，在终端运行了nvcc -V(V大写)，很奇怪的发现和系统安装的cuda是一个版本，然后自己傻傻以为没有安装成功，一直在找解决办法。其实这个命令执行之后就是获得系统安装的版本，如果想要看虚拟环境中安装的版本应该运行，conda list | grep cuda，然后就会获得虚拟环境下安装的版本。
是否安装成功：

python
import torch
print(torch.__version__)
print(torch.cuda.is_available())出现true

当然安装了pytorch，肯定还需要安装torchvision，那安装什么版本才是对应的呢？一个简单的方法：

conda install torchvision -c pytorch

anaconda会自动根据pytorch的版本帮你选择对应的torchvision

更多机器人精彩内容，请关注公众号：木鱼机器人
在这里插入图片描述

木子智~
关注
专栏目录
Qt无标题窗口
05-21
在本文中，我们将深入探讨如何使用Qt框架创建一个无标题窗口，这在界面设计和自定义标题栏美化中非常有用。我们将关注`framelesswidget.cpp`、`main.cpp`、`framelesswidget.h`等核心文件，理解它们在实现无标题窗口...
CUDA+NVIDIA Driver+Linux+GCC之间的版本对应关系表格
热门推荐
q_xiami123的博客
03-05 1万+
CUDA，NVIDIA Driver，Linux，GCC之间的版本对应关系表格 CUDA与Driver的对应版本 Table 1. CUDA 11.2 Component Versions Component Name Version Information Supported Architectures CUDA Runtime (cudart) 11.2.146 x86_64, POWER, Arm64 cuobjdump 11.2.135 x86_64, POWER, Arm64
centos7下编译tensorflow1.15 GPU版本（cuda11）
momaojia的博客
11-24 4810
​ 因为最近要把cuda10.0升级到cuda11,但是cuda11都不支持tensorflow1.1x版本，所以尝试从源码编译，目前tensorflow官方给出了ubuntu版本的编译方法，nvidia也提供了一款基于ubuntu的nvidia-tensorflow，直接安装在centos上，期间出现了各种问题，因此本文记录了在centos上编译tensorflow-gpu1.15版本的过程，仅供大家参考。 ​ 下表展示了tensoflow和cuda、gcc之间的对应关系 [外链图片转存失
gcc与cuda版本对应关系
Chriswjhwjh的博客
07-18 399
cuda11与gcc10不兼容错误
qq_42178122的博客
03-18 2430
/usr/include/c++/10/chrono:473:154: required from here /usr/include/c++/10/chrono:428:27: internal compiler error: 段错误 428 | _S_gcd(intmax_t __m, intmax_t __n) noexcept | ^~~~~~ Please submit a full bug report, with pre
各版本CUDA 兼容的 GCC 版本总结
子燕若水的博客
09-01 5173
（或/usr/local/cuda用您的 CUDA 安装路径替换，如果它不存在）为那个 GCC 版本设置一个环境变量。
一文详解GCC7、CUDA 11.2、CUDNN部署
bigdata_player
01-09 1786
在部署之前，需要了解下python-tensorflow-cuDNN-CUDA版本对应关系,以便能够完全兼容下文以此版本为例部署gcc-7.3.1cuda-11.2。
ubuntu22.04+cuda11.5+gcc11.4第一个cuda程序示例
qq_43594926的博客
08-13 2116
VisualStudio 2019是微软的集成开发环境(IDE)，通常在Windows操作系统上使用。然而，并不直接支持在Linux上安装。如果想在Ubuntu上进行开发，可以考虑以下几个选项:使用替代的IDE或文本编辑器: Ubuntu上有许多适用于C++等编程语言的开发工具，比如Visual Studio Code、 Code.:Blocks、 Eclipse等。
VC去掉'无标题'字样的方法.zip
11-21
在使用Visual C++进行编程时，我们经常会在创建新的窗口或者对话框时默认看到标题栏显示为“无标题”。这可能会对用户界面的美观性和专业性造成一定的影响。本资料包提供了一种方法来帮助开发者去掉这个“无标题”...
visual c++取掉对话框窗口的 -无标题 字样的方法
08-04
在Visual C++编程环境中，创建窗口应用程序时，默认情况下，窗口标题栏可能会显示“-无标题”字样，这通常是由于没有正确设置窗口类或没有自定义窗口标题所导致的。要解决这个问题，我们需要深入理解Windows API中的...
c#实现无标题栏窗口的拖动
09-05
本篇文章将详细讲解如何在C#中实现这种无标题栏窗口的拖动以及其他基本操作。 首先，为了实现无标题栏窗口的拖动，我们需要处理窗体的鼠标事件。窗体的`FormBorderStyle`属性应设置为`None`，这会去除窗体的边框和...
delphi 无标题调整大小
11-26
在Delphi编程环境中，"无标题调整大小"通常是指创建没有标准标题栏的窗口，并允许用户通过拖动边界来调整其大小。这种设计通常用于自定义界面或创建无边框的对话框。以下是对这个主题的详细解释： 一、创建无标题...
Android 全屏无标题栏的三种实现方法
09-02
在Android应用开发中，有时我们需要实现全屏无标题栏的效果，以提供更加沉浸式的用户体验。以下将详细介绍三种在Android中实现全屏无标题栏的方法。 ### 方法一：通过Java代码 在Activity的`onCreate()`方法中，在...
无标题111111111111111111
最新发布
08-22
无标题111111111111111111
无标题fadsfadsfdsafdasfdasfdasfdasf
08-08
ffffadsfdasfdsafdasfdasfdasfdsf
无标题1123231212321
07-17
无标题1123231212321
Ubuntu20.04|最新一版的深度学习基础环境安装指导
weixin_44955407的博客
04-28 847
本文将从源码编译并安装 OpenCV 4.2.0 ，包含 C++ 和 Python 绑定，支持 CUDA 和 CuDNN。文件安装方法，由于这种方法能够使多个版本的 TensorRT 同时安装成为可能，因此更灵活。虽然 CUDA Toolkit 包括了驱动，但为了安装特定版本的驱动，本文将驱动安装独立出来。同样的，TensorRT 也提供了很多安装方式，本文只给出。安装方式有很多种，本文只给出使用增加 docker 仓库的方式安装。，下载并直接安装 CUDA，但这里还是推荐你执行一些检查再安装。
『Linux笔记』Ubuntu16.04&18.04系统安装nvidia驱动,cuda,cudnn以及安装gcc！
AI新视界
04-27 5312
Ubuntu16.04系统安装nvidia驱动,cuda,cudnn! 文章目录一、预备工作二、首先cuda的安装三、其次cuda编译器nvcc安装四、安装cudnn 一、预备工作 查看系统的型号，可以看到系统为ubuntu16.04，64位的操作系统。 列出系统的所有显卡型号，通过使用lspci命令。 二、首先cuda的安装 我们这里不需要人为的安装一个显卡的驱动，因为cuda里面会...
cuda安装、gcc多版本兼容安装切换
热爱生活，忠于自己
10-27 1万+
安装cuda开发库之后，使用gcc编译会可能会报错要求gcc版本，如下表 CUDA versionmax supported GCC version 11.1, 11.2, 11.310 119 10.1, 10.28 9.2, 10.07 9.0, 9.16 85.3 74.9 5.5, 64.8 4.2, 54.6 4.14.5 4.04.4 目前系统为ubuntu21.04，gcc 10.3，安装cuda 11.3后编译cuda sa
设置无标题 android
05-02
在Android应用中，设置无标题是一种简洁和美观的设计方式，可以为用户提供更流畅的使用体验。以下是一些实现设置无标题的方法： 1. 在Android的Manifest文件中，找到对应Activity的标签，并添加”android:theme="@...
评论 1
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

打赏作者

木子智~

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