上一篇文章讲了如何在ubuntu18.04下安装nvidia显卡驱动,那么在安装好显卡驱动的环境下把cuda和cudnn一起装了吧。工作量也不少,我又卸载了好几次,深度学习环境搭建避坑全集来了!!!!
文章目录
前言
这是我上篇吐血装好的显卡驱动:
这里说一下各个参数的含义:
下方的processes表示每个进程对GPU的显存使用率。
可以看到我的驱动版本是460.67,后面CUDA对应的版本是:11.2
别以为是已经安装好了CUDA,这只是给你推荐对应下载的CUDA版本,还得自己动手
一、安装NVIDIA Cuda
1. 进入官网
2. 老版链接
3.点击跟你系统对应的块,最后那个选择runfile(local)即可出现对应的下载连接,复制到terminal上下载。
这是我的截图。。。
然后找到这两行代码,依次复制到终端执行。
查看一下cuda版本号是否正确。这里我的是cuda_11.2.0,没问题,下一步
二、安装
1.如果以前有安错的版本或者老版本,卸载传送门
2.安装
sudo sh cuda_11.2.0_460.27.04_linux.run //你刚下载的.run文件
然后出现这个
输入accept
取消 Driver 的勾选!
上下键到install的位置,回车即可安装安装完成!
3.配置环境变量
打开环境变量文本
sudo gedit ~/.bashrc //个人感觉gedit比Vim好用
加入如下环境变量
打开/usr/local/cuda-11.2。一般下载到这里
注意:这里采用cuda而非cuda-版本号是为了多CUDA版本方便切换
# CUDA
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda
更新变量:
source ~/.bashrc
nvcc移动至/usr/bin/
sudo cp /usr/local/cuda-11.2/bin/nvcc /usr/bin/
# 注意cunda-版本号的对应
4. 验证cuda是否成功
nvcc --version
ok!成功!!
注意:补充:如果用户环境变量(~/.bashrc)已更改,但仍显示旧cuda版本,请将之前旧版本的环境变量删除。reboot重启。
三、安装cdnn
1. 登陆官网,这里需要注册一个账号
下载CUDA11.2-Ubuntu18.04对应的3个Deb
一定找到自己对应的版本号,不要找错!在这里插入图片描述
这是我下的,注意都是8.1.0.77
下一步开始run这三个就ok,注意顺序是图片上的顺序,要不会牵扯到无依赖的包
#注意这里-i后面依次换上你下载那三个包的名字!!!
sudo dpkg -i libcudnn8_8.1.0.77-1+cuda11.2_amd64.deb
sudo dpkg -i libcudnn8-dev_8.1.0.77-1+cuda11.2_amd64.deb
sudo dpkg -i libcudnn8-samples_8.1.0.77-1+cuda11.2_amd64.deb
复制the cuDNN samples至HOME
cp -r /usr/src/cudnn_samples_v8/ $HOME
更换目录
cd $HOME/cudnn_samples_v8/mnistCUDNN #这里你会发现home中多了cudnn_samples_v8这个文件夹
编译 the mnistCUDNN sample
make clean && make
如果在这里出现问题:
1.下载FreeImage
2.解压下载的zip,放到home的download中(自己指定)打开README.linux
阅读后按照 Installation 安装:
打开命令行,进入解压文件的目录(请以自己的为准)
安装(make, make install)
清理(make clean)
cd /download/FreeImage/ #注意别忘了这个斜线!!!
make
make install
make clean
这个过程需要时间有点长,最后出现警告和error也没事。
!!!如果在执行make clean && make过程中出现test.c:1:10: fatal error: FreeImage.h: 没有那个文件或目录
那么就执行这一步:
sudo apt-get install libfreeimage3 libfreeimage-dev
然后,重新编译 the mnistCUDNN sample
cd $HOME/cudnn_samples_v8/mnistCUDNN
make clean && make
直接运行 the mnistCUDNN sample.
./mnistCUDNN
成功!!
2.终极验证cudnn
依次输入到终端:
cd /usr/local/cuda/samples/1_Utilities/deviceQuery
sudo make
./deviceQuery
输入密码
出现result=PASS 就意味着成功了!!!