ubuntu18给当前用户安装cuda11.2 图文教程 、 配置cuDNN8.1 ——【一文读懂】

最新推荐文章于 2024-05-20 15:54:55 发布
置顶 最新推荐文章于 2024-05-20 15:54:55 发布
阅读量3.3k 收藏 37
点赞数 11
分类专栏： 模型部署之转换-加速-封装 趣学深度学习 环境搭建，一文读懂 文章标签： cuda11 cudnn8 原力计划
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/sinat_28442665/article/details/118080925
版权
  • 🥇 版权: 本文由【墨理学AI】原创、在CSDN首发、各位大佬、敬请查阅
  • 🎉 声明: 作为全网 AI 领域 干货最多的博主之一，❤️ 不负光阴不负卿 ❤️
  • ❤️ 如果文章对你有帮助、欢迎一键三连

Cuda10 安装博文： Linux服务器下给当前用户安装自己的CUDA | Cuda10.0

声明： 本博文，码字一上午，禁止转载，感谢尊重和理解

文章目录

📔 安装cuda11.2的原因

原因

0-0

基础条件

# 服务器当前，Cuda内核版本足够高，使得普通用户能够安装自己的 CUDA Version: 11.2.0  

nvidia-smi
 
NVIDIA-SMI 460.80       Driver Version: 460.80       CUDA Version: 11.2

为什么写了该博文

当前的Cuda在Linux服务器安装界面和之前版本是存在较大差异，值得再次记录

为什么是专栏博文

  • 啊哈，只是给自己专栏增加一点关注量罢了；
  • 订阅专栏博文，大多基本符合用心撰写的态度；
  • 付费专栏中其实有很多反复修正的干货博文、发布时间比较早、当时博主粉丝不过百、所以阅读量大多不高、但是对于刚刚切入该领域研究方向的小伙伴而言、相信必有收获
  • 通过认真查阅干货博文、帮大家节约的各种解决基础环境、数据构建环境的时间收益远远高于订阅的基础支持
  • 博主后续会每周整理一篇硬核干货发布到订阅号 【墨理学AI】、有的小伙伴可能只想学习了解某专栏一两篇博文、觉得订阅不是很划算、只想看哪篇文章、可以和我说、嚯哈哈哈、博主也是刚刚从象牙塔过来的精神小伙儿表示完全理解，欢迎小伙伴催文
  • 很多小伙伴会通过维新或者私信和博主探讨一些问题
  • 大多属于博文中提到或者直接能够看懂的问题，我都会及时给出自己对这个问题的理解和建议
  • 对于一些比较别致【博文中没遇到、我在学习中也没有怎么遇到】的一类问题，博主也会有心无力、敬请各位小伙伴理解
  • 博主成立的有一些计算机视觉领域的交流小分队、有兴趣的可以了解、进群、学术交流群非常纯净、平时基本不会、也不鼓励闲聊、进群的每个小伙伴都应该养成把经过自己折腾【百度或者谷歌过】后仍不能有效解决的相关小疑问或者困惑、再提到群里进行交流的好习惯、而不是一遇到问题就习惯性抛给其他人
  • 人生的大多数时候、我们能够绝对依靠的人只有我们自己、各位加油

📕 安装包下载

https://developer.nvidia.com/cuda-11.2.0-download-archive

0-1

服务器安装包下载命令：

 wget https://developer.download.nvidia.com/compute/cuda/11.2.0/local_installers/cuda_11.2.0_460.27.04_linux.run

may be need to chmod 755 for file

chmod 755  cuda_11.2.0_460.27.04_linux.run

📗 我的正确安装图文教程

我这里只安装了 Cuda ToolKit ；驱动、文档，都选择的不安装

./cuda_11.2.0_460.27.04_linux.run

1-1

1-2

1-3

通过 Options 选项，回车可进入如下设置界面

1-4

上图第一行 Change … 选项回车，即可设置 安装路径

1-5
1-6

安装成功输出如下：

1-8

📘 给当前用户配置 Cuda 环境变量

Cuda 环境变量 配置

# 回到自己用户根目录
cd 
vim .bashrc

# 配置如下

export PATH=/home/墨理/usr/mycuda/bin:$PATH
export LD_LIBRARY_PATH=/home/墨理/usr/mycuda/lib64:$LD_LIBRARY_PATH
export CUDA_HOME=/home/墨理/usr/mycuda

# 使得配置生效
 . .bashrc

查看 Cuda 版本，已经发生改变

nvcc -V

nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2020 NVIDIA Corporation
Built on Mon_Nov_30_19:08:53_PST_2020
Cuda compilation tools, release 11.2, V11.2.67
Build cuda_11.2.r11.2/compiler.29373293_0

📙 安装过程，常见可能困惑记录【非root权限用户会遇到】

6-1
6-2

📜 cuDNN v8.1.0 的下载

下载链接

https://developer.nvidia.com/rdp/cudnn-archive

想要下载之后，会要求我们登录账号

新用户，是需要一个邮箱来注册 NVIDIA 账号，才能够下载；
普通邮箱就可以注册（163、企鹅），我这里使用了自己的 胡歌邮箱进行注册；

8-0

有选择的进行下载，适合自己服务器类型即可

9-1

我把自己下载好的分享在这里，唯一要求，请不要传播我的云盘链接

链接：https://pan.baidu.com/s/1WO2aKZsJ-oWefQMHClygKQ 
提取码：moli

9-2

其它更多版本 cudnn tar 安装包快速获取 | 云盘分享 请参考盖博文

💅 cuDNN v8.1.0 的配置

解压

tar -zxvf cudnn-11.2-linux-x64-v8.1.0.77.tgz 

#解压得到 cuda/ 目录，可查 cudnn 版本命令如下

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

#define CUDNN_MAJOR 8
#define CUDNN_MINOR 1
#define CUDNN_PATCHLEVEL 0
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)

#endif /* CUDNN_VERSION_H */

如下基础配置在项目中遇到了头文件依赖的问题

# 修改 cudnn.h 权限
chmod a+r cuda/include/cudnn.h

# cp 文件到 安装的 cuda 目录下

cp cuda/include/cudnn.h  /home/墨理/usr/mycuda/include/
cp cuda/lib64/libcudnn.s*  /home/墨理/usr/mycuda/lib64/

最终决定还是直接文件夹覆盖式来安装Cudnn

cd /home/墨理/usr/mycuda/lib64

~/usr/mycuda/lib64$ cp /home/墨理/softpackage/cudnn/cuda/lib64/* .

~/usr/mycuda/lib64$ cd ../include
~/usr/mycuda/include$ cp /home/墨理/softpackage/cudnn/cuda/include/* .

💬 致谢

  • 学会深度学习，模型训练、推理测试、基础环境搭建
  • 关注这个专栏、就对了

9-6

墨理学AI
关注
  • 11
    点赞
  • 踩
  • 37
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 6
    评论
专栏目录
Ubuntu20环境安装, Cuda11.1 + Cudnn
11-22
2020/11/22更新资源, 百度网盘下载. 主要用于在Ubuntu/ Linux 环境下安装Cuda环境用于网络训练. 步骤: 1. 使用系统自带资源安装NVIDIA驱动; 2. 命令行安装Cuda 安装包,设置path, 重启系统; 3.命令行安装Cudnn安装包, 设置path, 重启系统.
tensorflow2.9+CUDA11.2+cuDNN8.1 环境配置详细使用教程
l18817813618的博客
04-07 1081
tensorflow2.9+CUDA11.2+cuDNN8.1 环境配置详细使用教程
cuda11.2安装哪个版本的tensorflow-gpu
最新发布
wangmengmeng99的博客
05-20 324
在官网上找到这个表格，因为自己的电脑一直配置的11.2的cuda，所以也不想换，最好就是安装一般能适应该版本的tensorflow，我配置了python3.8的环境，然后进行。此外，如何知道有没有正确训练的时候使用了GPU，更直观的就是训练打印的过程的速度啦。回车就会自动从清华镜像上进行下载安装了 ，这里的清华镜像要自己配置，或者在安装命令后面加上镜像网址也是可以的，具体操作，我就不赘述了，可以百度看看。还有其它命令行打印的方法，这里不在赘述，我本人比较喜欢这种方式，直观一些。
ubuntu 20.04 安装 cuda11.2 和cudnn8.2.1和pytorch1.10.0和tensorflow2.7.0（可能是最简单的安装方法，本人亲测成功）
BLC0202的博客
11-26 8972
根据TensorFlow 官网，我们选取CUDA11.2搭配cuDNN8.1安装，NVIDIA驱动版本尽量选460系列 输入nvidia-smi查询自己显卡的版本和最高支持的CUDA版本，如下图我的显卡驱动版本是460.91.03，最高支持CUDA11.2 一、安装cuda11.2 1.打开官网 CUDA Toolkit 11.2 Downloads | NVIDIA Developer wget https://developer.download.nvidia.com/compu
2022最详细，最新的 Win11/WIN10 安装CUDA11.2和cuDNN（必坑之作）完美教程
热门推荐
Vertira的博客
05-31 3万+
注意条事项，避免踩坑： 第一、windows系统安装CUDA ，目前win10和win11 通用。没有针对win11的cuda，直接用win10的就可以。（亲测）。 第二、专业的游戏笔记本 一般自动安装好了最新显卡驱动，一般不用更换。显卡驱动是笔记本电脑使用显卡的前提。 针对独立显卡，如何确定是否成功安装显卡驱动了呢。直接打开命令提示符，cmd。然后输入nvidia-smi 如果能够如上图打开，显示。说明你电脑的显卡驱动已经安装好了。从图中可以看到我的显卡驱动最高支持11.6，我安装的CUD
Win10 + RTX3090 安装CUDA11.2 + CUDNN8.1.0 安装
06-08 2577
前提 系统重新安装，anaconda3中tensorflow和pytorch已经安装过，主要目的是方便自己以后重新安装CUDA 主机配置 系统：Win10 64bit CPU：I9-10850K 内存：64G 显卡：GeForce RTX 3090 显卡驱动： https://www.nvidia.cn/geforce/drivers/ CUDA与驱动版本对照-table2 https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.ht
cuda11.2安装pytorch
qq_21692851的博客
04-03 938
【代码】cuda11.2安装pytorch。
Ubuntu 20.04 CUDA&cuDNN安装方法(图文教程)
09-14
在Ubuntu 20.04操作系统中安装CUDA和cuDNN是进行深度学习和高性能计算的重要步骤。CUDA是NVIDIA公司提供的一个并行计算平台，它允许开发者利用GPU的计算能力来加速应用程序。cuDNN（CUDA Deep Neural Network）则是...
TensorRT-7.2.3.4.Ubuntu-18.04.x86-64-gnu.cuda-11.1.cudnn8.1
02-08
这个资源"TensorRT-7.2.3.4.Ubuntu-18.04.x86_64-gnu.cuda-11.1.cudnn8.1.tar.gz"是专为Ubuntu 18.04系统设计的TensorRT 7.2.3.4版本，兼容CUDA 11.1和CuDNN 8.1。 首先，让我们深入了解一下TensorRT的核心功能和...
TensorRT-7.2.3.4.Ubuntu-16.04.x86-64-gnu.cuda-11.1.cudnn8.1
02-08
对于使用 Ubuntu 16.04 的用户来说，TensorRT 7.2.3.4 可能需要安装特定的依赖包和驱动，以确保系统环境与库的兼容性。安装完成后，用户可以通过 TensorRT 的 SDK 文档和示例来学习如何构建和运行模型。 总之，...
ubuntu安装显卡驱动+cuda+cudnn教程（18.04+cuda10+cudnn9.05为例）
03-29
ubuntu安装显卡驱动+cuda+cudnn教程 本教程将指导读者在 Ubuntu 18.04 环境中安装显卡驱动、CUDA 和 cuDNN。整个安装过程可以分为五个步骤：安装 Nvidia 显卡驱动、安装 CUDA、配置环境变量、检查环境变量和安装 ...
cudnn-8.0-windows10-x64-v5.1（并行计算架构）
11-15
cudnn-8.0-windows10-x64-v5.1
cudnn-11.2-windows-x64-v8.1.1.33.zip
06-29
cudnn-11.2-windows-x64-v8.1.1.33.zip适合环境： win10 x64或者win11 x64 cuda11.0/cuda11.1/cuda11.2
cudnn-11.2-windows-x64-v8.1.1.33_tf2.5版本适用.rar
06-15
cudnn-安装tensorflow2.5版本所需文件，不用去官网注册了，下载后解压使用。
CUDA-v11.2下载以及相应版本cuDNN
qq_62633655的博客
12-05 4124
CUDA-v11.2下载以及相应版本cuDNN
Windows/Ubuntu服务器配置cudatoolkit12.2.0+cudnn8.1.0+tensorflow-gpu2.6.0
Kelly_bai2000的博客
11-07 2464
tensorflow-gpu2.6.0在windows和ubuntu下的下载与配置 注意要使用cuda的话一定要有Nvidia显卡才行
Windows10配置CUDA10.0+cudnn7.5.1
weixin_38383877的博客
03-26 563
1、安装CUDA10.0 （1）下载：https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal 双击安装包进行安装，路径全部默认不做修改 （2）安装完成后配置...
Ubuntu21.10下安装TensorFlow及配置GPU支持（cuda11.1+cudnn8.1.0）
程序必须为人类阅读而编写，并且仅仅碰巧可以让机器执行
01-28 4922
文章目录一、前言二、安装NVIDIAdriver1. 添加PPA源2. 查看显卡硬件型号3. 安装NVIDIA驱动三、安装cuda1. 下载相关依赖2. 下载安装文件3. 安装cuda-toolkit4. 配置环境变量5. 检验安装四、安装cudnn1. 下载安装文件2. 安装cudnn8.2.1五、安装TensorFlow 一、前言 Ubuntu 下安装 TensorFlow 并不是简单的使用 pip 安装就可以的，如果不能使用 GPU 的话效率是会很低的，这里的方法都是自己在系统下搭建踩过一些坑摸索出
linux系统无root权限安装cuda-11.2及cudnn-8.1
kouwang9779的博客
10-27 1588
linux系统无root权限安装cuda-11.2及cudnn-8.1 目前支持最新版本Tensorflow-gpu-2.6.0 的是cuda11.2和cudnn8.1，各版本tensorflow对应的cuda及cudnn版本见链接tensorflow-gpu 在linux下无root权限时，无法通过官方给出的如下安装命令安装 sudo sh cuda_11.2.0_460.27.04_linux.run 直接从https://anaconda.org/nvidia/cudatoolkit/files下载
Ubuntu系统普通用户怎样安装cuda11.3和对应的cudnn
06-12
安装CUDA和cuDNN需要以下步骤： 1. 下载CUDA安装文件并安装：首先需要从NVIDIA官网下载CUDA安装文件。您可以从https://developer.nvidia.com/cuda-downloads网站下载适合您的系统的安装程序。下载后，按照安装向导的说明安装CUDA。 2. 下载cuDNN安装文件并安装：cuDNN是一个用于深度学习的库，它可以在CUDA的基础上提供更好的性能。您可以从NVIDIA Developer网站上下载cuDNN的安装文件（https://developer.nvidia.com/rdp/cudnn-download）。 3. 解压cuDNN安装文件：下载完成后，您需要将cuDNN安装文件解压缩到cuda目录下，如下所示： ``` tar -xzvf cudnn-11.3-linux-x64-v8.2.2.26.tgz ``` 4. 将cuDNN文件复制到CUDA目录：解压后，您需要将文件复制到CUDA安装目录下的相应目录。复制命令如下所示： ``` sudo cp cuda/include/cudnn*.h /usr/local/cuda-11.3/include sudo cp cuda/lib64/libcudnn* /usr/local/cuda-11.3/lib64 sudo chmod a+r /usr/local/cuda-11.3/include/cudnn*.h /usr/local/cuda-11.3/lib64/libcudnn* ``` 5. 配置环境变量：最后，您需要将CUDA和cuDNN的路径添加到系统环境变量中。您可以通过编辑~/.bashrc文件来添加环境变量。在文件末尾添加以下行： ``` export PATH=/usr/local/cuda-11.3/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-11.3/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} ``` 6. 使环境变量生效：最后一步是使环境变量生效。您可以通过执行以下命令使其生效： ``` source ~/.bashrc ``` 完成上述步骤后，您应该已经成功安装了CUDA和cuDNN，并且可以在您的Ubuntu系统的普通用户下使用它们了。

“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 6
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

墨理学AI

不必打赏，关注博主公众号即可

¥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