NVIDIA-NCCL下载资源分享，跳过Authenticator验证

已于 2024-06-25 11:16:16 修改
阅读量820 收藏 11
点赞数 17
文章标签： NCCl NVIDIA Authenticator gpu算力
于 2024-06-25 10:43:09 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_46398647/article/details/139952232
版权

目录

Authenticator

现在NVIDIA登录需要Authenticator验证，很多人会卡在这里导致无法下载后续的资源
请添加图片描述
如果有的话，在最下面选择已验证ID，扫描QR码，回到主页就能看到多出了一个NVIDIA的选项栏，输入验证码即可

进入下载页面

在这里插入图片描述

Download NCCL 2.22.3, for CUDA 12.5, June 18th, 2024

Local installers (x86)

O/S agnostic local installer
Local installer for Ubuntu 22.04
Local installer for Ubuntu 20.04
Local installer for RedHat/CentOS 9
Local installer for RedHat/CentOS 8

Network installers (x86)

If not already done, make sure you install the network repository:

Network Installer for Ubuntu22.04

$ wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.0-1_all.deb
$ sudo dpkg -i cuda-keyring_1.0-1_all.deb
$ sudo apt-get update
Network Installer for Ubuntu20.04

$ wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-keyring_1.0-1_all.deb
$ sudo dpkg -i cuda-keyring_1.0-1_all.deb
$ sudo apt-get update
Network Installer for RedHat/CentOS 9

$ sudo dnf config-manager --add-repo https://developer.download.nvidia.com/compute/cuda/repos/rhel9/x86_64/cuda-rhel9.repo
Network Installer for RedHat/CentOS 8

$ sudo dnf config-manager --add-repo https://developer.download.nvidia.com/compute/cuda/repos/rhel8/x86_64/cuda-rhel8.repo

then run the following command to installer NCCL:
For Ubuntu: sudo apt install libnccl2=2.22.3-1+cuda12.5 libnccl-dev=2.22.3-1+cuda12.5
For RHEL/Centos: sudo yum install libnccl-2.22.3-1+cuda12.5 libnccl-devel-2.22.3-1+cuda12.5 libnccl-static-2.22.3-1+cuda12.5

Local installers (ARM)

O/S agnostic local installer
Local installer for Ubuntu 22.04
Local installer for Ubuntu 20.04
Local installer for RedHat/CentOS 9
Local installer for RedHat/CentOS 8

Network installers (ARM)

If not already done, make sure you install the network repository:

Network Installer for Ubuntu22.04

$ wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/sbsa/cuda-keyring_1.0-1_all.deb
$ sudo dpkg -i cuda-keyring_1.0-1_all.deb
$ sudo apt-get update
Network Installer for Ubuntu20.04

$ wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/sbsa/cuda-keyring_1.0-1_all.deb
$ sudo dpkg -i cuda-keyring_1.0-1_all.deb
$ sudo apt-get update
Network Installer for RedHat/CentOS 9

$ sudo dnf config-manager --add-repo https://developer.download.nvidia.com/compute/cuda/repos/rhel9/sbsa/cuda-rhel9.repo
Network Installer for RedHat/CentOS 8

$ sudo dnf config-manager --add-repo https://developer.download.nvidia.com/compute/cuda/repos/rhel8/sbsa/cuda-rhel8.repo

then run the following command to installer NCCL:
For Ubuntu: sudo apt install libnccl2=2.22.3-1+cuda12.5 libnccl-dev=2.22.3-1+cuda12.5
For RHEL/Centos: sudo yum install libnccl-2.22.3-1+cuda12.5 libnccl-devel-2.22.3-1+cuda12.5 libnccl-static-2.22.3-1+cuda12.5

Download NCCL 2.22.3, for CUDA 12.4, June 18th, 2024

Local installers (x86)

O/S agnostic local installer
Local installer for Ubuntu 22.04
Local installer for Ubuntu 20.04
Local installer for RedHat/CentOS 9
Local installer for RedHat/CentOS 8

Network installers (x86)

If not already done, make sure you install the network repository:

Network Installer for Ubuntu22.04

$ wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.0-1_all.deb
$ sudo dpkg -i cuda-keyring_1.0-1_all.deb
$ sudo apt-get update
Network Installer for Ubuntu20.04

$ wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-keyring_1.0-1_all.deb
$ sudo dpkg -i cuda-keyring_1.0-1_all.deb
$ sudo apt-get update
Network Installer for RedHat/CentOS 9

$ sudo dnf config-manager --add-repo https://developer.download.nvidia.com/compute/cuda/repos/rhel9/x86_64/cuda-rhel9.repo
Network Installer for RedHat/CentOS 8

$ sudo dnf config-manager --add-repo https://developer.download.nvidia.com/compute/cuda/repos/rhel8/x86_64/cuda-rhel8.repo

Local installers (ARM)

O/S agnostic local installer
Local installer for Ubuntu 22.04

Network installers (ARM)

If not already done, make sure you install the network repository:

Network Installer for Ubuntu22.04

$ wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/sbsa/cuda-keyring_1.0-1_all.deb
$ sudo dpkg -i cuda-keyring_1.0-1_all.deb
$ sudo apt-get update

then run the following command to installer NCCL:
For Ubuntu: sudo apt install libnccl2=2.22.3-1+cuda12.4 libnccl-dev=2.22.3-1+cuda12.4
For RHEL/Centos: sudo yum install libnccl-2.22.3-1+cuda12.4 libnccl-devel-2.22.3-1+cuda12.4 libnccl-static-2.22.3-1+cuda12.4

Download NCCL 2.22.3, for CUDA 12.2, June 18th, 2024

Local installers (x86)

O/S agnostic local installer
Local installer for Ubuntu 22.04
Local installer for RedHat/CentOS 9

Network installers (x86)

If not already done, make sure you install the network repository:

Network Installer for Ubuntu22.04

$ wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.0-1_all.deb
$ sudo dpkg -i cuda-keyring_1.0-1_all.deb
$ sudo apt-get update
Network Installer for RedHat/CentOS 9

$ sudo dnf config-manager --add-repo https://developer.download.nvidia.com/compute/cuda/repos/rhel9/x86_64/cuda-rhel9.repo

then run the following command to installer NCCL:
For Ubuntu: sudo apt install libnccl2=2.22.3-1+cuda12.2 libnccl-dev=2.22.3-1+cuda12.2
For RHEL/Centos: sudo yum install libnccl-2.22.3-1+cuda12.2 libnccl-devel-2.22.3-1+cuda12.2 libnccl-static-2.22.3-1+cuda12.2

Local installers (ARM)

O/S agnostic local installer

如果需要其他版本请留言

内卷焦虑人士
关注
nvidia nccl安装和测试的实战教程
weixin_43178406的博客
06-20 4万+
本文主要介绍了nvidia nccl安装和测试的实战教程，希望能对安装和使用NCCL的同学们有所帮助。 文章目录 1. 问题描述 2. 实战教程 2.1 安装NCCL 2.2 验证NCCL
nvidia-nccl
qq_29258377的博客
03-30 2635
NVIDIA集体通信库（NCCL）实现了针对NVIDIA GPU和网络优化的多GPU和多节点 通信原语。 NCCL提供全收集、全减、广播、减少、减少散射以及点对点发送和接收等例程，这些例程经过优化，通过节点内和NVIDIA Mellanox网络通过PCIe和NVLink高速互连实现高带宽和低延迟。 Caffe2、Chainer、MxNet、PyTorch和TensorFlow等领先的深度学习框架集成了NCCL，以加快多GPU多节点系统的深度学习培训。 NCCL可作为NVIDIA HPC SDK的一部分以及U
NCCL安装测试
最新发布
Samsaraz的博客
06-28 909
直接去下载安装包（要先注册NVIDIA账号，下载安装固定的nccl与cuda版本组合），历史版本点，也可以在github上获取所有版本，点击。根据对应cuda版本下载自己所需要的安装包。
NCCL安装（libnccl.so）
小蚂蚁
04-02 9901
NCCL安装： 官方指导链接：NCCL Install guide NCCL下载页面： 地址：https://developer.nvidia.com/search/site/nccl libnccl.so位置查找 ldconfig -p | grep libnccl 或者 find / -name "libnccl.so*" locate命令居然在服务器找不到 添加环境变量 在~/.ba...
nccl-2.4.8-1-x86_64.pkg.tar.xz
07-28
nccl-2.4.8-1-x86_64.pkg.tar.xz是从linux org下下载下来的。要与tensorflow版本对应，不是下载deb格式。
下载及安装NCCL教程
Scenery0519的博客
11-28 6173
nccl下载安装参考。
NCCL下载及安装教程
热门推荐
吉米_王
02-23 1万+
NCCL下载及安装参考教程 作者：白鹿（花名） 注意：请提前获取root权限 1、查看cuda版本 which cuda 2、在确定cuda版本之后，注册并登录英伟达官网，查找指定cuda版本的NCCL软件； 管网链接：https://developer.nvidia.com/nccl/nccl-legacy-downloads 指定版本为：不确定系统，本地安装 3、下载到本地之后，压缩包文件名为：nccl_2.6.4-1+cuda10.0_ppc64le.txz 解压缩相关命令为： cd /usr/
nccl_2.4.8-1+cuda10.0_x86_64.txz
09-17
当使用paddle多GPU时报错，缺少NCCL，将文件解压后cp include/nccl.h /home/myname/cuda/include/ cp /lib/libnccl* /home/myname/cuda/lib64/ 即可。
Ubuntu 18.04安装nccl
白小心0225的博客
12-29 2322
NCCL (NVIDIA Colloctive Comunications Library)是英伟达的一款直接与GPU交互的库。 安装cupy前需要先安装该库。 1. 下载 官网下载地址：https://developer.nvidia.com/nccl/nccl-download 注意版本与你的cuda适配。 2.安装 获得.deb安装文件如：nccl-repo-ubuntu1804-2.8.3-ga-cuda10.2_1-1_amd64.deb后 sudo dpkg -i nccl-repo-ubunt
nvidia-cuda116-base镜像
07-03
nvidia-cuda116-base镜像
nccl-repo-ubuntu1604-2.1.15-ga-cuda9.0_1-1_amd64.deb
07-24
ubuntu16.04 cuda9.0 nccl2.1.15 多GPU交互
libnccl.so
04-16
tensroflow为了提高多模型训练速度，需要多个GPU同时工作，而且我们一般使用的工作站都是8块tesla K80，如果能将8块显卡的计算力充分利用起来，将会大大提高模型训练的速度，缩短模型训练时间。这几天看到tensorflow的morroredstrategy特别好用，就想试试，所以写了代码，想看看多个GPU的效能怎么样，就仿照github上tensorflow的一些例子写了一些教程，但是出现了一个错误： tensorflow.python.framework.errors_impl.NotFoundError: libnccl.so.2: cannot open shared object file: No such file or directory。 根据报错的内容，我们知道，缺少一个文件，libnccl*** 类似的东西，看到nccl立马想到是nvidia的东西，经过查找资料发现，这个东西应该放在cuda文件夹下，在出现需要多个GPU同时工作时来调用的，如果cuda对应的lib64文件下没有找到该文件，就需要下载一下，默认的cuda并不直接安装该功能的，但是如果已经有cuda的情况下，只需要将对应的文件复制进cuda文件夹下的lib64 这个库里。
nccl-repo-ubuntu1604-2.2.13-ga-cuda9.0_1-1_amd64.deb
07-24
ubuntu16.04 cuda9.0 nccl2.1.13 多GPU交互
NCCL是Nvidia Collective multi-GPU Communication Library的简称
08-02
NCCL是Nvidia Collective multi-GPU Communication Library的简称，它是一个实现多GPU的collective communication通信（all-gather, reduce, broadcast）库，Nvidia做了很多优化，以在PCIe、Nvlink、InfiniBand上实现较高的通信速度。
nvidia-cublas-cu12-12.1.3.1-py3-none-manylinux1-x86-64.whl
04-12
nvidia_cublas_cu12-12.1.3.1-py3-none-manylinux1_x86_64.whl
nccl-tests:NCCL测试
05-04
NCCL测试 这些测试同时检查操作的性能和正确性。 建造 要构建测试，只需键入make 。 如果未在/ usr / local / cuda中安装CUDA，则可以指定CUDA_HOME。 同样，如果未在/ usr中安装NCCL，则可以指定NCCL_HOME。 $ ...
ubuntu安装NCCL for cuda10.1
m0_38052500的博客
08-12 1117
配置： 多块GPU cuda10.1 nccl 下载链接：https://developer.nvidia.com/nccl/nccl-legacy-downloads 本人选择的是：NCCL 2.7.8, for CUDA 10.1, July 24,2020 下载本地文件后具体的操作链接是： https://docs.nvidia.com/deeplearning/nccl/install-guide/index.html 本人总共使用的三条命令是： sudo apt-key add /var/nc
ubuntu 下NCCL安装
007的博客
09-07 1057
1 去这里下载nccl库 https://developer.download.nvidia.cn/compute/machine-learning/repos/ubuntu1804/x86_64/ 2 执行 sudo dpkg -i libnccl2_2.7.3-1+cuda10.2_amd64.deb sudo dpkg -i libnccl-dev_2.7.3-1+cuda10.2_amd64
ERROR: pip's dependency resolver does not currently take into account all the packages that are installed. This behaviour is the source of the following dependency conflicts. spyder 5.4.1 requires pyqt5<5.16, which is not installed. spyder 5.4.1 requires pyqtwebengine<5.16, which is not installed. Successfully installed aiofiles-23.1.0 altair-4.2.2 blinker-1.6.2 cachetools-5.3.1 chardet-5.1.0 cmake-3.26.3 cpm_kernels-1.0.11 fastapi-0.95.2 ffmpy-0.3.0 gitdb-4.0.10 gitpython-3.1.31 gradio-3.32.0 gradio-client-0.2.5 h11-0.14.0 httpcore-0.17.2 httpx-0.24.1 latex2mathml-3.76.0 linkify-it-py-2.0.2 lit-16.0.5 markdown-it-py-2.2.0 mdit-py-plugins-0.3.3 mdtex2html-1.2.0 mdurl-0.1.2 nvidia-cublas-cu11-11.10.3.66 nvidia-cuda-cupti-cu11-11.7.101 nvidia-cuda-nvrtc-cu11-11.7.99 nvidia-cuda-runtime-cu11-11.7.99 nvidia-cudnn-cu11-8.5.0.96 nvidia-cufft-cu11-10.9.0.58 nvidia-curand-cu11-10.2.10.91 nvidia-cusolver-cu11-11.4.0.1 nvidia-cusparse-cu11-11.7.4.91 nvidia-nccl-cu11-2.14.3 nvidia-nvtx-cu11-11.7.91 orjson-3.8.14 protobuf-3.20.3 pydantic-1.10.8 pydeck-0.8.1b0 pydub-0.25.1 pygments-2.15.1 pympler-1.0.1 python-multipart-0.0.6 rich-13.4.1 semantic-version-2.10.0 sentencepiece-0.1.99 smmap-5.0.0 starlette-0.27.0 streamlit-1.22.0 streamlit-chat-0.0.2.2 torch-2.0.1 transformers-4.27.1 triton-2.0.0 tzlocal-5.0.1 uc-micro-py-1.0.2 uvicorn-0.22.0 validators-0.20.0 websockets-11.0.3 WARNING: Running pip as the 'root' user can result in broken permissions and conflicting behaviour with the system package manager. It is recommended to use a virtual environment instead: https://pip.pypa.io/warnings/venv 解释下
06-02
这个错误提示表明，pip的依赖解析器目前无法考虑所有已安装的软件包。这可能导致一些依赖冲突。具体来说，Spyder 5.4.1 需要安装 pyqt5和 pyqtwebengine，但是这两个软件包没有安装。此外，警告提示建议不要使用root...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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