一、前言
正如题目所言,最近笔者需要配置一台机器上的深度学习环境,即CUDA工具包和与之对应的cuDNN库,具体步骤如下。
因为我已经装过了,为了教程演示,首先卸载CUDA工具包,利用其自带的卸载程序:
检查本机是否有CUDA工具包,输入nvcc -V
:
二、安装CUDA
-
在命令行输入
nvidia-smi
查看显卡驱动版本也就是最高支持的CUDA工具包版本。
例如,本机可安装11.2及以下的CUDA工具包:
-
在nVidia官网选择对应版本的CUDA工具包并选择你的机器配置,我们就选择11.2.0版本下载,
-
在终端执行如下命令:
wget https://developer.download.nvidia.com/compute/cuda/11.2.0/local_installers/cuda_11.2.0_460.27.04_linux.run sudo sh cuda_11.2.0_460.27.04_linux.run
如果出现以下提示,选择continue
并在第四步取消安装驱动即可。
-
根据提示一步步安装
键入
accept
确认。👇
我们已经有驱动了,这里取消安装驱动,上下键和回车键选择。👇
稍作等待,出现以下提示信息就安装好了,可以看到CUDA安装到了/usr/local/cuda-11.2/
。
-
配置环境变量
打开配置文件vi /etc/profile
在配置文件末尾加上:
export PATH=//usr/local/cuda-11.2/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-11.2/lib64$LD_LIBRARY_PATH
source 一下配置文件
source /etc/profile
-
检查是否安装完成
使用nvcc -V
检查CUDA是否安装完成,出现以下提示代表安装完成。
编译并执行CUDA样例程序,出现pass代表CUDA和GPU正常运行:cd /usr/local/cuda-11.2/samples/1_Utilities/deviceQuery sudo make ./deviceQuery
三、安装cuDNN
- 根据安装的CUDA工具包版本在官网选择适合版本的cuDNN,本文安装的CUDA版本是11.2,就选择与之对应的
cuDNN v8.4.0
,选择Local Installer for Linux x86_64 (Tar)
。
- 复制cuDNN库的链接,使用
wget
下载或者下载到自己电脑之后再传到服务器上。
- 我的服务器网速有点慢,所以选择先下到自己电脑再传上去,速度很快啊。
-
解压cuDNN文件,并进入解压出的文件夹,拷贝文件到/usr/local/cuda-11.2中
tar -xvf cudnn-linux-x86_64-8.4.0.27_cuda11.6-archive.tar.xz cd cudnn-linux-x86_64-8.4.0.27_cuda11.6-archive sudo cp lib/* /usr/local/cuda-11.2/lib64/ sudo cp include/* /usr/local/cuda-11.2/include/ sudo chmod a+r /usr/local/cuda-11.2/lib64/* sudo chmod a+r /usr/local/cuda-11.2/include/*
-
查看cuDNN版本,旧版本指令为
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A2
,新版本有更新,将cuDNN版本信息单拉了一个文件名为cudnn_version.h
,所以新版本查看cuDNN版本的命令为cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
上述教程为这台机器上的所有用户安装了CUDA和cuDNN,我们切一下普通用户查看nvcc
是否能用。
好的,安装完成。
四、总结
以上就是今天要讲的内容,本文介绍了如何Ubuntu系统下,安装CUDA 11.2 和 cuDNN 8.4.0并检查是否安装成功。
本文提供了简单的手段查看CUDA 和 cuDNN是否安装成功。
如果本文能给你带来帮助的话,点个赞鼓励一下作者吧!
五、参考
[1] CUDA工具包:https://developer.nvidia.com/cuda-toolkit-archive
[2] cuDNN库:https://developer.nvidia.com/rdp/cudnn-archive