【Linux】安装CUDA 11.2 和 cuDNN 8.4.0并检查是否安装成功

---

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

1. 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：
   

2. 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，
   
   

3. 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。
   

4. 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/。
   

5. 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
   

6. 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

1. 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)。
   
2. 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。
  

3. 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/*
   

4. 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