linux非root安装特定版本的cuda

最新推荐文章于 2025-02-01 19:05:27 发布

Sjmanman

最新推荐文章于 2025-02-01 19:05:27 发布

阅读量1k

点赞数

文章标签： linux python 人工智能

本文链接：https://blog.csdn.net/weixin_38787389/article/details/132805235

版权

本文详细描述了如何在Linux系统中安装CUDA10.2，包括查看系统版本、下载并安装cudatoolkit、cudnn库，以及设置环境变量和创建PyTorch虚拟环境的过程，确保代码扩展包的兼容性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

由于一些代码实现（cuda写的外部扩展包）对cuda版本要求比较高，因此，我在实验室linux系统下默认的cuda版本上，没办法编译扩展包。需要重新安装特定版本的cuda。

一. 首先，需要查看系统版本：

lsb_release -a

显示：

二. 去官网找到下载cuda toolkit的指令。

CUDA Toolkit Archive | NVIDIA Developer

依次选择，得到对应的版本。执行以下命令：不带sudo执行。

wget https://developer.download.nvidia.com/compute/cuda/10.2/Prod/local_installers/cuda_10.2.89_440.33.01_linux.run
sudo sh cuda_10.2.89_440.33.01_linux.run

等待一会后，输入accept，显示：

把x全部取消，只选择cuda toolkit。下一步要选择Options>>Toolkit Options>>change Toolkit Install Path>>将这里的默认改为自己在服务器上的路径文件夹。/home/songjiuman/cuda-10.2

回到上一步，全部取消，选择Done，然后Install。

出现错误，安装不上，修改安装命令如下：

sh cuda_10.2.89_440.33.01_linux.run --librarypath=/home/songjiuman/cuda-10.2

显示：

三. 去官网找到下载cudnn。

cuDNN Archive | NVIDIA Developer

下载后解压：

tar -xvf cudnn-10.2-linux-x64-v7.6.5.32.tgz

然后将cudnn的一些文件复制到 cuda的路径当中：

cp cuda/include/cudnn.h your_path/include/ #这里的your_path是安装cuda的绝对路径；默认为在这个文件夹下操作
例如cp cuda/include/cudnn.h /home/songjiuman/cuda-10.2/include/
cp cuda/lib64/libcudnn* your_path/lib64/
chmod a+r your_path/include/cudnn.h
chmod a+r your_path/lib64/libcudnn*

四. 修改环境变量。

vim ~/.bashrc

export PATH=/home/songjiuman/cuda-10.2/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/home/songjiuman/cuda-10.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
export CUDA_HOME=/home/songjiuman/cuda-10.2
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/home/songjiuman/cuda-10.2/lib64
export LD_LIBRARY_PATH=/home/songjiuman/cuda-10.2/extras/CUPTI/lib64:$LD_LIBRARY_PATH

激活环境变量：

source ~/.bashrc
echo $CUDA_HOME

检查版本：

五：安装pytorch

Previous PyTorch Versions | PyTorch

创建一个虚拟环境：conda create -n xxx python=3.7

激活这个虚拟环境：conda activate xxx

# CUDA 10.2
conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=10.2 -c pytorch

安装完成后，进入python环境，检查CUDA是否可用，调用torch.cuda.is_available()返回True说明CUDA环境可用。