【ShuQiHere】在Ubuntu上安装CUDA和cuDNN

【ShuQiHere】

在Ubuntu系统上安装CUDA和cuDNN，并配置TensorFlow和PyTorch，以充分利用NVIDIA GPU进行深度学习任务，是每个从事机器学习或深度学习的AI工程师必备的技能。然而，在安装过程中可能会遇到很多问题，例如cuDNN与CUDA版本不匹配、CUDA版本与驱动不兼容等，这些问题都可能导致TensorFlow或PyTorch无法识别你的GPU。这篇文章将详细讲解如何安装CUDA和cuDNN，并避免常见问题。

1. 检查NVIDIA驱动对CUDA的支持

首先，我们需要检查当前NVIDIA驱动程序支持的CUDA版本。运行以下命令： 

nvidia-smi

输出结果类似如下： 

Tue Aug 20 11:58:06 2024       
+---------------------------------------------------------------------------------------+
| NVIDIA-SMI 535.183.01             Driver Version: 535.183.01   CUDA Version: 12.2     |
|-----------------------------------------+----------------------+----------------------+
| GPU  Name                 Persistence-M | Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp   Perf          Pwr:Usage/Cap |         Memory-Usage | GPU-Util  Compute M. |
|                                         |                      |               MIG M. |
|=========================================+======================+======================|
|   0  NVIDIA GeForce RTX 3060 ...    Off | 00000000:01:00.0 Off |                  N/A |
| N/A   50C    P3              N/A /  55W |      8MiB /  6144MiB |      0%      Default |
|                                         |                      |                  N/A |
+-----------------------------------------+----------------------+----------------------+

Driver Version: 535.183.01   CUDA Version: 12.2   

 看到第一行

Driver Version: 535.183.01   CUDA Version: 12.2   

这表示我们的驱动最高支持cuda12.2

2. 检查是否已安装CUDA

接下来，我们检查系统中是否已经安装了CUDA。运行以下命令：

nvcc --version

如果CUDA未安装，系统可能会提示：

Command 'nvcc' not found, but can be installed with:
sudo apt install nvidia-cuda-toolkit

此时，你可以直接运行以下命令，系统会自动安装一个与当前驱动兼容的CUDA版本：

sudo apt install nvidia-cuda-toolkit

或者，你可以访问NVIDIA官网选择并安装特定版本的CUDA：

https://developer.nvidia.com/cuda-downloadshttps://developer.nvidia.com/cuda-downloads选择你的发行版本后运行官网提示的命令即可

安装完成后，再次运行以下命令以确认CUDA版本：

nvcc --version

3. 安装cuDNN

cuDNN是NVIDIA的深度神经网络库，能够为深度学习框架（如TensorFlow和PyTorch）提供加速支持。这里要确保安装的cuDNN版本与CUDA版本匹配（11或12）。

1.首先访问官网

CUDA Deep Neural Network (cuDNN) | NVIDIA Developerhttps://developer.nvidia.com/cudnn

2.选择cuDNN Library

3.选择你的操作系统和发行版等，这个会指引你下载合适的版本，运行官网提示的命令

至此，CUDA和cuDNN的安装已完成。如果你对机器学习感兴趣，可以看看我的下一篇文章，其中将详细介绍如何在TensorFlow和PyTorch中指定使用GPU进行训练。