CUDA版本查看与共存:
nvidia-smi指令下的CUDA版本和nvcc指令下的CUDA版本不同
是因为两个指令调出的CUDA版本显示不是同一个接口
nvidia-smi的CUDA是DriverAPI,由GPU driver installer安装
nvccd CUDAs runtimeAPI,由CUDA Toolkit安装
在运行代码的时候,使用的是nvcc的CUDA版本,也就是运行接口
多用户情况下更改cuda版本:
一般在主用户安装的时候,在/usr/local下会有对应的cuda文件,所以可以在个人用户下的.bashrc中设置:
export PATH="/usr/local/cuda-xx.x/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-xx.x/lib64:$LD_LIBRARY_PATH"
conda install 的CUDA Toolkit和cudnn:
conda安装的cuda是简化版的,一般可以满足深度学习所需,十分方便
但是下载源经常找不到文件。。。指定镜像源也不行。。。
只下载成功了一个cuda toolkit ,没有安装cudnn成功过。。。
个人用户安装完整的CUDA:
在官网下载自己所需的完整的安装包,注意是runfile,也就是run格式的包
然后在自己想下载的目录下sh或者bash安装包:
输入accept后
只选择Toolkit,进入options——Toolkit Options——Change Toolkit Install Path
输入自己有权限的、打算放的目录
下面全部不选,Done回到前一个界面进入Library install path,输入库安装路径(建议和刚刚输入的安装路径一样)
再返回主界面,选择install就可以了
在官网上下载对应cudatoolkit版本的cudnn包,然后解压复制到cuda安装路径include和lib下
之后在.bashrc上改路径到自己用户的安装路径就可以了
安装cudnn和设置路径请参考:cudnn安装
运行代码时cuda的执行顺序:
1.cuda的默认安装路径/usr/local/cuda(一般这个是软链接)
2.默认目录不存在的时候,搜索nvcc所在目录
3.nvcc不存在就搜索cudart库文件目录再去搜索CUDA_HOME, 一般就是conda install 的cuda
4.找不到就不用cuda了