英伟达显卡二、CUDA11与Cudnn8安装

最新推荐文章于 2024-06-02 22:43:59 发布

RuiH.AI

最新推荐文章于 2024-06-02 22:43:59 发布

阅读量1.8k

点赞数

分类专栏： Nvidia英伟达文章标签：深度学习 python tensorflow

本文链接：https://blog.csdn.net/qq_41035283/article/details/120435943

版权

6 篇文章 3 订阅

订阅专栏

前言

opencv4和onnxruntime的GPU加速都依赖于CUDA11，本次记录CUDA与Cudnn的安装过程

（注意：如果仅仅是做深度学习，安装anaconda后在虚拟环境中直接安装cudatoolkit就可以让Python程序使用CUDA和Cudnn了）

到英伟达CUDA官网下载CUDA11安装包

在这里插入图片描述

wget https://developer.download.nvidia.com/compute/cuda/11.4.2/local_installers/cuda_11.4.2_470.57.02_linux.run

sudo sh cuda_11.4.2_470.57.02_linux.run

要注意的是，安装过程中有一个需要安装的清单，要取消Driver的勾选，因为之前已经安装好了显卡驱动。

然后一路选默认就行了。

nano ~/.bashrc

在文件底部加上

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

重新打开一个terminal进行测试：

nvcc -V

出现版本号说明CUDA11安装成功.

到英伟达Cudnn官网下载Cudnn>=8，具体看CUDA11对应的Cudnn版本，我这里用了8.0.5

tar -xvf cudnn-11.4-linux-xxxxxxx.tgz

解压出一个cuda/文件夹

将解压后的文件拷贝到cuda文件夹中：

sudo cp cuda/include/* /usr/local/cuda-11.4/include/
sudo cp cuda/include/* /usr/local/cuda-11.4/lib64/

验证一下：

cat /usr/local/cuda/include/cudnn_version.h

出现版本信息说明安装成功。

关注