【服务器深度学习环境配置】安装cuDNN8.1.1 CUDA11.2 显卡3090

岁月漫长_

已于 2022-07-25 20:31:43 修改

阅读量2.5k

点赞数 2

分类专栏： python，matlab整理深度学习文章标签：服务器 ubuntu 深度学习

于 2022-03-16 11:09:25 首次发布

本文链接：https://blog.csdn.net/qq_40859587/article/details/123521377

版权

python，matlab整理同时被 2 个专栏收录

7 篇文章 0 订阅

订阅专栏

深度学习

5 篇文章 2 订阅

订阅专栏

本文档详细记录了在Ubuntu18.04系统中，如何安装CUDA11.2和cuDNN，并针对显卡3090进行配置。在安装过程中，遇到了网络问题导致的更新错误，但最终成功安装了cuDNN。通过安装libfreeimage库解决了编译错误。最后，使用TensorFlow进行测试，确认了CUDA和cuDNN的正确安装以及GPU的可用性。

摘要由CSDN通过智能技术生成

服务器安装cuDNN

参考链接：CUDA官方安装文档
 pytorch安装

CUDA 11.2
显卡 3090
ubuntu 18.04

下载cuDNN
安装cuDNN（deb文件）

我没有导入秘钥，update时有报错（应该是网络问题），也可以成功安装
测试cuDNN

第3步编译时报错 fatal error: FreeImage.h: No such file or directory
解决办法：执行sudo apt-get install libfreeimage3 libfreeimage-dev，重新编译后运行./mnistCUDNN，出现Test passed！至此cuDNN安装完成

在这里能看见cudnn的版本

验证深度学习环境

参考：知乎深度学习环境搭建
如何才能验证深度学习的环境（我的是cuda11.2+cudnn8.1.1+tensorflow-gpu 2.7）是OK的呢？

#执行一下Python脚本进行验证
import tensorflow as tf
print(tf.test.is_built_with_cuda()) 
#若输出为true则表示cuda安装成功
print(tf.config.list_physical_devices('GPU'))   #这一栏我改过
#若输出为true则表示能够使用gpu