多版本cuda运行与编译环境

最新推荐文章于 2024-01-17 15:06:21 发布
最新推荐文章于 2024-01-17 15:06:21 发布
阅读量1.1k 收藏 6
点赞数 3
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_39065196/article/details/111938048
版权

多版本cuda运行与编译环境

基本环境：

  1. nvidi-smi后cuda版本为11.0
  2. 预装了两个版本的cuda分别为cuda-10.0和cuda-11.0
  3. 代码运行环境要求cuda-10.0

使用conda当前虚拟环境的cudatoolkit版本为10.0，代码运行一直报错，报错信息如下

cublas runtime error : the GPU program failed to execute at /opt/conda/condabld/pytorch_1544202130060/work/aten/src/THC/THCBlas.cu:416

资料查询后，感觉是cuda版本的问题，就安装了cuda-10.0并进行了切换。
代码运行出错，有两个版本的问题需要注意，一个是编译时使用的cuda版本，还有一个是运行时使用的cuda版本。
之前一直以为nvidi-smi命令之后显示的cuda版本是运行时的cuda版本，其实不是的。真正运行时的版本还是torch代码在运行时去查找的。查找本地的CUDA_HOME。

具体操作过程如下：

  1. 安装了需要版本的cuda
  2. cuda切换，更换软连接的方式，不是很优雅，先这么地吧
rm -rf /usr/local/cuda
sudo ln -s /usr/local/cuda-10.0/ /usr/local/cuda/
最低0.47元/天 解锁文章
IceCola_Bing
关注
  • 3
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
CUDA编译
01-06
引言 CUDA（Compute Unified Device Architecture）：...所编写出的程序可以在支持CUDA的处理器上以超高性能运行。 首先说明下环境配置： ubuntu18.04 cuda10.1 cudnn7.6 nvcc编译CUDA nvcc是编译cuda程序的编译器，
opencv4.8.0编译的cuda版本测试程序
最新发布
05-15
2、编译环境： vs2022、windows10、cuda12.3、opencv4.8.0，opencv_contrib4.8.0、Nvidia Video Codec SDK12.1，Cmake3.23，cudaNN8.9.7； 3、里面有编译好的include和lib文件，可以直接拷贝出来在别的项目中使用； ...
export CUDA_HOME=/usr/local/cuda-11.8
5年+算法工程师，分享人工智能前沿技术，与自己的工程经验，欢迎订阅关注。
01-17 831
【代码】export CUDA_HOME=/usr/local/cuda-11.8。
终端动态切换cuda环境
baidu_40840693的博客
11-09 610
source envs.sh 11.1 envs.sh #!/bin/bash if [ ! -n "$1" ] ;then echo "请使用正确的切换方式， 例如source envs.sh 11.1" else if [ $1 == "11.1" ] then if [ -d "/usr/local/cuda-11.1/" ];then echo "select cuda 11.1" .
PointNet++点云处理精讲(PyTorch)
08-11
三维点云是物理世界的三维数据表达形式，其应用日益广泛，如自动驾驶、AR/VR、FaceID等。PointNet网络模型是直接对三维点云数据进行深度学习的开山之作，PointNet++是对PointNet的改进技术。作为点云处理深度学习方法的里程碑工作，启发了很多后续研究。本课程对PyTorch版的PointNet++进行原理讲解、论文复现和代码详解。包括：  （1）提供三维点云物体分类数据集ModelNet40、物体部件分割数据集ShapeNet和场景分割数据集S3DIS的下载、可视化软件和方法；（2）在Ubuntu系统上演示使用PointNet++进行三维点云的物体分类、部件分割和场景语义分割的训练和测试；（3）详解PointNet++的原理、程序代码和实现细节，并使用PyCharm进行Debug调试代码和单步跟踪。需要学习TensorFlow版PointNet++的学员可前往本人推出了课程《PointNet++点云处理TensorFlow版》
pytorch小坑：需设置CUDA_HOME环境变量，保证全局CUDA环境一致
热门推荐
silent56_th的博客
07-14 4万+
详见： https://github.com/pytorch/pytorch/issues/22844 安装和代码中的CUDA_HOME调用函数逻辑不一致，在多CUDA环境中出现bug。 保险的做法是在设置PATH, LD_LIBRARY_PATH等环境变量时顺带把CUDA_HOME也设置了。 windows应该是CUDA_PATH环境变量。 ...
QT中配置cuda环境，并编写cuda代码
Java学习之旅
03-02 3700
之前是在vs中开发cuda的代码，现在需要把cuda的代码移植到QT中。由于本机安装cuda时，是默认安装的，所以安装目录为# CUDA_PATH 这个是安装cuda时自动配置到环境变量中的路径，也是cuda安装的路径 C: \ Program Files \ NVIDIA GPU Computing Toolkit \ CUDA \ v11.1cuda的样例文件夹位置为。
Pytorch 使用不同版本的cuda的方法步骤
12-20
由于 Pytorch 和 cuda 版本的更新较快，可能出现程序的编译和运行需要之前版本的 Pytorch 和 cuda 进行运行环境支持的情况。比如笔者遇到的某个项目中编写了 CUDAExtension 拓展，而其中使用的 cuda 接口函数在新...
DCNV3编译环境，包括整个yolo环境
05-11
用于运行DCNV3的环境，可在yolov5、yolov7、yolov8下直接使用
Window环境下运行YOLO v4目标检测算法
12-21
运行环境：WIn7+CUDA10.0+Python3.6+VS2015（社区版） 作者提供了三种编译方式，我们选择第三种，同时也是YOLO v3和YOLO v2等使用的传统方式。 首先确定你的CUDA10已经正确安装，在cmd中运行： nvcc -V 如果正确...
linux 系统未装cuda, 需设置CUDA_HOME的问题
qq_44897728的博客
08-30 800
在安装swin transformer的kernels window_process时出现了这个问题，服务器没有安装cuda.环境是依靠conda的，装torch时会装一些显卡的依赖包，但不会完整安装cuda，需要用conda安装一下。
cuda常见报错
qq_41900846的博客
01-03 6929
cuda常见报错
本人开发环境基本配置一览 ~/.bashrc
Boys_Wu的博客
03-25 2099
系统：ubuntu18.04，~/.bashrc环境文件 1、配置CUDA路径；cudnn用deb包安装的，会直接被装到系统相应路径，不需要手动添加路径引用。 2、 ROS # CUDA export CUDA_HOME=/usr/local/cuda export PATH=$PATH:$CUDA_HOME/bin export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} # ROS sour
Linux下服务器更改环境变量
IsayIwant的博客
03-15 1370
根目录下/usr/local里有cuda。可以用env指令或者缺省的export指令查看当前环境变量，输出的格式和顺序可能有所不同。也可以vi ~./bashrc。查看后发现确实没有cuda所需的环境变量。ash_profile只有在登录sdnu的时候才会访问里面内容放到内存里，即生效。ashrc是每次开一个新的bash都会读里面内容放到内存里，即生效。（实际上这两个文件就是脚本，读的时候（运行）的时候才会生效）环境变量是全局的，同一用户下更改都能使用。把CUDA的环境添加进账户的环境变量里。
CUDA环境变量的坑（冒号）
qq_33287871的博客
07-22 6600
一般的安装CUDA时，大家都会在~/.bashrc中添加如下内容 export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64 export PATH=$PATH:/usr/local/cuda/bin export CUDA_HOME=$CUDA_HOME:/usr/local/cuda 上述这个代码存在一个BUG，即在LD_LIBRARY_PATH不存在时，LD_LIBRARY_PATH会被赋值为":/usr/local/cuda/lib6
CUDA cuDnn GPU 深度学习 环境配置 环境检测 机器学习 nvcc
qq_44949985的博客
12-31 405
windows 和 linux 均可用。
报错 OSError: CUDA_HOME environment variable is not set. Please set it to your CUDA install root.
qq_35985044的博客
01-08 6255
cuda环境设置
cuda export
guojingjuan的博客
11-02 1948
export PATH=/usr/local/cuda-7.5/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH
【多版本cuda自由切换】在ubuntu上安装多个版本的CUDA，并且可以随时切换cuda-11.3//cuda-11.8//cuda-11.6//cuda-11.2
BetrayFree的博客
12-11 1万+
项目开发中，不同的项目可能对不同的cuda版本有所要求，常见的是这几种cuda-11.3//cuda-11.8//cuda-11.6，按照之前的认知，一个主机只能安装一个版本的cuda，否则会引起环境混乱，知道cuda底层逻辑的人都知道这有多么扯蛋，对吧。一般来说，单cuda直接说明版本就可以了，不需要配置其他的，但是也可以通过软链的方法把安装的版本连接过去，二者的作用是一样的，因为系统加载是靠加载bashrc文件的。需要注意的是，命令行的配置也需要文件配置的基础，只是需要知道，
cuda nccl的编译安装
08-18
要编译和安装 CUDA 和 NCCL，可以按照以下步骤进行操作： 1. 安装 CUDA： - 前往 NVIDIA 官方网站（https://developer.nvidia.com/cuda-downloads）下载适用于你的操作系统的 CUDA 安装包。 - 执行安装脚本，并按照提示完成安装过程。 2. 安装 NCCL： - 前往 NVIDIA 官方网站（https://developer.nvidia.com/nccl）下载适用于你的操作系统的 NCCL 安装包。 - 执行安装脚本，并按照提示完成安装过程。 3. 配置环境变量： - 打开终端，编辑你的 `.bashrc` 或 `.bash_profile` 文件（或其他适用于你的 shell 的配置文件）。 - 添加以下环境变量配置： ```shell export CUDA_HOME=/usr/local/cuda export LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH export PATH=$CUDA_HOME/bin:$PATH ``` 确保将 `/usr/local/cuda` 替换为你的 CUDA 安装路径。 4. 验证安装： - 打开终端，运行以下命令验证 CUDA 和 NCCL 是否正确安装： ```shell nvcc --version nccl --version ``` 如果能够正确显示 CUDA 和 NCCL 的版本信息，则说明安装成功。 请注意，具体的安装步骤可能会因为操作系统、CUDA 和 NCCL 的版本不同而有所差异。确保按照相应的文档和安装程序的说明进行操作。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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