非root用户在浪潮服务器上安装指定CUDA、cudnn、gcc等到指定目录 2021-08-18

本文链接: https://blog.csdn.net/weixin_45691429/article/details/119771873

**

非root用户在浪潮服务器上安装指定CUDA、cudnn、gcc等到指定目录

**
前提:适用于服务器上管理员已安装好CUDA版本且无法满足自己需求

1. 安装CUDA(这里以CUDA9.0为例,ubantu18.04)

1.1 首先下载CUDA9.0,下载连接:下载连接
1.2 进入服务器端口,在cuda9.0_package路径下输入以下命令:

sh cuda_9.0.176_384.81_linux.run --override
							or
sh cuda_9.0.176_384.81_linux.run
			
(我是用了第二个summary时出错,然后使用第一个,好使)
			
*注:在输入回车执行后,加载过程需要一直摁住回车键*

1.2.1:接下来一系列确认操作:

Do you accept the previously read EULA?------accept
You are attempting to install on an unsupported configuration.Do you wish to continue?-----yes
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81?-----no
Install the CUDA 9.0 Toolkit?-----y
Do you want to install a symbolic link at /usr/local/cuda?-------n
Install the CUDA 9.0 Samples?------n

完事之后会出现安装成功的显示:
在这里插入图片描述注:记着这里的路径(下一步配置环境变量时用到)

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
TF、CUDAcuDNNGCC是许多机器学习实践中常用的软件包。TF表示TensorFlow,它是用于构建深度学习模型的开源软件库。CUDA表示Compute Unified Device Architecture,是一种并行计算架构,它允许使用GPU进行高性能计算。cuDNNCUDA深度神经网络的库,它提供了高效的GPU加速的深度学习的基本操作。而GCC(GUN Compiler Collection)是一种用于编写和调试代码的编译器套件。 TF需要使用CUDA进行深度学习计算加速,cuDNNCUDA深度神经网络的库,因此在使用TF进行深度学习模型训练时,需要安装CUDAcuDNN。在安装CUDA之后,需要在TF中配置CUDA的路径。在安装cuDNN之后,也需要在TF中配置cuDNN的路径。如果需要将深度学习模型部署到其他机器上,那么需要确保目标机器的CUDAcuDNN版本与源机器中的版本一致。 而GCC则是一个编译器套件,其提供了C、C++、Fortran等编程语言的编译器和调试工具。在安装TF和CUDA时,需要使用GCC来编译和构建软件包。因此在安装TF和CUDA之前,需要检查系统中是否已经安装GCC,并且需要确保GCC的版本符合TF和CUDA的要求。 总之,TF、CUDAcuDNNGCC是常用的机器学习软件包,它们之间的关系是:TF依赖于CUDAcuDNN来实现深度学习计算加速,而CUDA又依赖于GCC进行编译和构建。因此,在使用TF和CUDA进行深度学习开发时,需要确保安装CUDAcuDNNGCC,并要正确配置它们之间的路径和版本。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值