【笔记】【性能测试】CUDA 安装

已于 2023-07-31 21:29:36 修改
阅读量1.8k 收藏 9
点赞数
分类专栏： 性能测试 文章标签： 笔记 服务器 测试工具 gru
于 2023-07-26 17:59:11 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_68465904/article/details/131942660
版权
该文详细描述了在Linux环境下安装CUDA12.2工具包的过程，包括跳过驱动安装，设置环境变量，并通过运行deviceQuery验证CUDA安装成功。系统检测到两个NVIDIAGeForceRTX3090设备，并显示了相关GPU信息。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

安装 Nvidia 显卡驱动。
参考其他文章。

安装适配的 cuda 版本。
如果之前安装过驱动们这里就去掉安装驱动的选项。

[root@localhost ~]# ./cuda_12.2.0_535.54.03_linux.run

┌──────────────────────────────────────────────────────────────────────────────┐
│ CUDA Installer                                                               │
│ - [ ] Driver                                                                 │
│      [ ] 535.54.03                                                           │
│ + [X] CUDA Toolkit 12.2                                                      │
│   [X] CUDA Demo Suite 12.2                                                   │
│   [X] CUDA Documentation 12.2                                                │
│ - [ ] Kernel Objects                                                         │
│      [ ] nvidia-fs                                                           │
│   Options                                                                    │
│   Install                                                                    │
│                                                                              │
│                                                                              │
│                                                                              │
│                                                                              │
│                                                                              │
│                                                                              │
│                                                                              │
│                                                                              │
│                                                                              │
│                                                                              │
│                                                                              │
│                                                                              │
│ Up/Down: Move | Left/Right: Expand | 'Enter': Select | 'A': Advanced options │
└──────────────────────────────────────────────────────────────────────────────┘


===========
= Summary =
===========

Driver:   Not Selected
Toolkit:  Installed in /usr/local/cuda-12.2/

Please make sure that
 -   PATH includes /usr/local/cuda-12.2/bin
 -   LD_LIBRARY_PATH includes /usr/local/cuda-12.2/lib64, or, add /usr/local/cuda-12.2/lib64 to /etc/ld.so.conf and run ldconfig as root

To uninstall the CUDA Toolkit, run cuda-uninstaller in /usr/local/cuda-12.2/bin
***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 535.00 is required for CUDA 12.2 functionality to work.
To install the driver using this installer, run the following command, replacing <CudaInstaller> with the name of this run file:
    sudo <CudaInstaller>.run --silent --driver

Logfile is /var/log/cuda-installer.log

重启系统。

检验 cuda 安装成功。

将 cuda 加入系统环境变量

vim /etc/profile

#添加
export PATH="/usr/local/cuda-12.2/bin:$PATH" 
export LD_LIBRARY_PATH="/usr/local/cuda-12.2/lib64:$LD_LIBRARY_PATH" 

[root@localhost ~]# nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2023 NVIDIA Corporation
Built on Tue_Jun_13_19:16:58_PDT_2023
Cuda compilation tools, release 12.2, V12.2.91
Build cuda_12.2.r12.2/compiler.32965470_0

简单检查:
使用 cuda-samples 里面的程序验证。

[root@localhost Samples]# ls
0_Introduction  1_Utilities  2_Concepts_and_Techniques  3_CUDA_Features  4_CUDA_Libraries  5_Domain_Specific  6_Performance
[root@localhost Samples]# cd 1_Utilities/
[root@localhost 1_Utilities]# ls
bandwidthTest  deviceQuery  deviceQueryDrv  README.md  topologyQuery
[root@localhost 1_Utilities]# cd deviceQuery
[root@localhost deviceQuery]# make
/usr/local/cuda/bin/nvcc -ccbin g++ -I../../../Common  -m64    --threads 0 --std=c++11 -gencode arch=compute_50,code=sm_50 -gencode arch=compute_52,code=sm_52 -gencode arch=compute_60,code=sm_60 -gencode arch=compute_61,code=sm_61 -gencode arch=compute_70,code=sm_70 -gencode arch=compute_75,code=sm_75 -gencode arch=compute_80,code=sm_80 -gencode arch=compute_86,code=sm_86 -gencode arch=compute_89,code=sm_89 -gencode arch=compute_90,code=sm_90 -gencode arch=compute_90,code=compute_90 -o deviceQuery.o -c deviceQuery.cpp
/usr/local/cuda/bin/nvcc -ccbin g++   -m64      -gencode arch=compute_50,code=sm_50 -gencode arch=compute_52,code=sm_52 -gencode arch=compute_60,code=sm_60 -gencode arch=compute_61,code=sm_61 -gencode arch=compute_70,code=sm_70 -gencode arch=compute_75,code=sm_75 -gencode arch=compute_80,code=sm_80 -gencode arch=compute_86,code=sm_86 -gencode arch=compute_89,code=sm_89 -gencode arch=compute_90,code=sm_90 -gencode arch=compute_90,code=compute_90 -o deviceQuery deviceQuery.o
mkdir -p ../../../bin/x86_64/linux/release
cp deviceQuery ../../../bin/x86_64/linux/release
[root@localhost deviceQuery]# ls
deviceQuery      deviceQuery.o           deviceQuery_vs2017.vcxproj  deviceQuery_vs2019.vcxproj  deviceQuery_vs2022.vcxproj  NsightEclipse.xml
deviceQuery.cpp  deviceQuery_vs2017.sln  deviceQuery_vs2019.sln      deviceQuery_vs2022.sln      Makefile                    README.md
[root@localhost deviceQuery]# ./deviceQuery
./deviceQuery Starting...

 CUDA Device Query (Runtime API) version (CUDART static linking)

Detected 2 CUDA Capable device(s)

Device 0: "NVIDIA GeForce RTX 3090"
  CUDA Driver Version / Runtime Version          12.2 / 12.2
  CUDA Capability Major/Minor version number:    8.6
  Total amount of global memory:                 24260 MBytes (25438126080 bytes)
  (082) Multiprocessors, (128) CUDA Cores/MP:    10496 CUDA Cores
  GPU Max Clock rate:                            1695 MHz (1.70 GHz)
  Memory Clock rate:                             9751 Mhz
  Memory Bus Width:                              384-bit
  L2 Cache Size:                                 6291456 bytes
  Maximum Texture Dimension Size (x,y,z)         1D=(131072), 2D=(131072, 65536), 3D=(16384, 16384, 16384)
  Maximum Layered 1D Texture Size, (num) layers  1D=(32768), 2048 layers
  Maximum Layered 2D Texture Size, (num) layers  2D=(32768, 32768), 2048 layers
  Total amount of constant memory:               65536 bytes
  Total amount of shared memory per block:       49152 bytes
  Total shared memory per multiprocessor:        102400 bytes
  Total number of registers available per block: 65536
  Warp size:                                     32
  Maximum number of threads per multiprocessor:  1536
  Maximum number of threads per block:           1024
  Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
  Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535)
  Maximum memory pitch:                          2147483647 bytes
  Texture alignment:                             512 bytes
  Concurrent copy and kernel execution:          Yes with 2 copy engine(s)
  Run time limit on kernels:                     No
  Integrated GPU sharing Host Memory:            No
  Support host page-locked memory mapping:       Yes
  Alignment requirement for Surfaces:            Yes
  Device has ECC support:                        Disabled
  Device supports Unified Addressing (UVA):      Yes
  Device supports Managed Memory:                Yes
  Device supports Compute Preemption:            Yes
  Supports Cooperative Kernel Launch:            Yes
  Supports MultiDevice Co-op Kernel Launch:      Yes
  Device PCI Domain ID / Bus ID / location ID:   0 / 56 / 0
  Compute Mode:
     < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >

Device 1: "NVIDIA GeForce RTX 3090"
  CUDA Driver Version / Runtime Version          12.2 / 12.2
  CUDA Capability Major/Minor version number:    8.6
  Total amount of global memory:                 24260 MBytes (25438126080 bytes)
  (082) Multiprocessors, (128) CUDA Cores/MP:    10496 CUDA Cores
  GPU Max Clock rate:                            1695 MHz (1.70 GHz)
  Memory Clock rate:                             9751 Mhz
  Memory Bus Width:                              384-bit
  L2 Cache Size:                                 6291456 bytes
  Maximum Texture Dimension Size (x,y,z)         1D=(131072), 2D=(131072, 65536), 3D=(16384, 16384, 16384)
  Maximum Layered 1D Texture Size, (num) layers  1D=(32768), 2048 layers
  Maximum Layered 2D Texture Size, (num) layers  2D=(32768, 32768), 2048 layers
  Total amount of constant memory:               65536 bytes
  Total amount of shared memory per block:       49152 bytes
  Total shared memory per multiprocessor:        102400 bytes
  Total number of registers available per block: 65536
  Warp size:                                     32
  Maximum number of threads per multiprocessor:  1536
  Maximum number of threads per block:           1024
  Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
  Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535)
  Maximum memory pitch:                          2147483647 bytes
  Texture alignment:                             512 bytes
  Concurrent copy and kernel execution:          Yes with 2 copy engine(s)
  Run time limit on kernels:                     No
  Integrated GPU sharing Host Memory:            No
  Support host page-locked memory mapping:       Yes
  Alignment requirement for Surfaces:            Yes
  Device has ECC support:                        Disabled
  Device supports Unified Addressing (UVA):      Yes
  Device supports Managed Memory:                Yes
  Device supports Compute Preemption:            Yes
  Supports Cooperative Kernel Launch:            Yes
  Supports MultiDevice Co-op Kernel Launch:      Yes
  Device PCI Domain ID / Bus ID / location ID:   0 / 168 / 0
  Compute Mode:
     < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >
> Peer access from NVIDIA GeForce RTX 3090 (GPU0) -> NVIDIA GeForce RTX 3090 (GPU1) : No
> Peer access from NVIDIA GeForce RTX 3090 (GPU1) -> NVIDIA GeForce RTX 3090 (GPU0) : No

deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 12.2, CUDA Runtime Version = 12.2, NumDevs = 2
Result = PASS

参考资料：

cuda 历史版本
cuda-samples

Ubuntu 安装 CUDA（附测试）
代码使我快乐
02-21 1万+
为深度学习所用，博主预想在Ubuntu16.04上安装 显卡驱动 + CUDA + cuDNN + Tensorflow-gpu + Keras + PyCharm，参考了众多资料，最终成功将所有软件安装完毕，且能成功运行使用。该篇博客介绍了CUDA的安装教程（默认已安装显卡驱动），亦可通过下方链接查看其他步骤的安装教程。 前期说明及版本对照 换源及安装显卡驱动 安装 CUDA（附测试） 安装 c...
【服务器环境安装指南-指定 cuda 版本】在 Ubuntu 22.04 上完成 cuda-toolkit 12.0 和 cudnn 12.x 的安装教程
最新发布
weixin_50512050的博客
03-25 1358
在 Ubuntu 22.04 上完成 cuda-toolkit 12.0 和 cudnn 12.x 的安装教程
CUDA 安装
haomingzidoumeilea的专栏
03-20 843
http://cuda.it168.com/a2011/0725/1222/000001222320_all.shtml   CUDA安装及配置：Windows 7 64位环境 2011年07月25日09:30 来源：专家博客 作者：cs的女孩 编辑：王玉圆 评论：0条 　　【IT168 技术】最近又有新的项目要做了，这次是关于CUDA---多核高性能计算的问题，所以最近一
二、CUDA安装和测试
热门推荐
赤战约风的博客
01-16 8万+
一、前提ubuntu系统：14.04 不要安装任何系统补丁和进行系统升级 ubantu14.04（这是比较稳定的版本，推荐使用） cuda7.5 GPU：GeForce 820M(只要是支持cuda的就好) 查看GPU是否支持cuda https://developer.nvidia.com/cuda-gpus二、推荐安装前最好先看一遍官方手册三、安装cuda前的准备工作1.检查自己的G
CUDA安装和测试
DanielZql的博客
03-04 3万+
转载：http://blog.csdn.net/u012235003/article/details/54575758一、前提ubuntu系统：14.04 不要安装任何系统补丁和进行系统升级 ubantu14.04（这是比较稳定的版本，推荐使用） cuda7.5 GPU：GeForce 820M(只要是支持cuda的就好) 查看GPU是否支持cuda https://developer.nvidi...
CUDA安装成功测试
weixin_44392955的博客
03-18 1895
在安装完cuda后，接下来我们需要检测cuda是否安装成功，方法如下： 进入cmd（我用的是管理员），输入nvcc –V， 此处需要注意的是：中间是有空格的，之后按回车键。 没有空格可能会显示不是内部命令。由于这个原因我还又卸载了cuda重装了一遍。 完全卸载cuda的方法： 打开控制面板，会发现好多以Nidia开头的，如图所示。 注意有两个NVIDIA图形驱动程序和系统软件千万不要卸载 万一卸载了图形驱动，不要慌，再下载一个安装就好了。下载链接：附链接 添加链接描述 ...
cmd测试cuda安装_Cuda10.0检测是否安装成功
weixin_34369521的博客
12-23 1603
关于Cuda的具体安装步骤，最好去Nvidia的官网上面看，比在网上看别人写的教程要详细的多，安装过程中遇到问题再去找别人的解决方法。Nvidia的安装文档的网址在下面https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html我电脑的Cuda是在很久以前装好的，但是装好之后一直没有使用。最近在用...
笔记本电脑安装cuda10.2并使用pycuda、xgboost测试GPU计算效率（附Colab, Kaggle, BaiduAIStudio性能测试对比）
知识星海
12-26 2688
硬件配置： 机型：机械革命s1，2018年 CPU：i7-8550U GPU：Nvidia Geforce MX150（满血版），2G显存 内存：单条16g （自己更换的） 软件信息： CUDA：v10.2.89 Display Driver：441.66 1. 引言 最近做机器学习，想测试一下自己的顶配轻薄本上的MX150独显，相比cpu和集显来讲，到底能有多少提速。因此就...
CUDA-MODE课程笔记 第8课: CUDA性能检查清单
I good vegetable a!
08-19 1495
这节课相当于对Lecture 1更系统的补充，重点介绍GPU kernel优化的一些实用技术和分析工具ncu。合并全局内存访问： 确保线程访问连续的内存位置，以最大限度地提高内存带宽利用率。最大化占用率： 优化kernel启动参数，以充分利用 GPU 的处理能力。理解内存与计算限制： 分析kernel特征以确定限制因素（内存带宽或计算能力），并应用适当的优化技术。最小化线程的分化： 避免导致warp内的线程采用不同执行路径的条件语句，从而导致性能下降。
在笔记本双显卡上构建GPU运行cuda和cudnn环境
05-06
需要注意的是，由于使用了双显卡配置，系统在安装和配置过程中可能遇到兼容性问题，比如重启黑屏或卡在登录界面，这需要在安装显卡驱动和CUDA ToolKit时选择合适的性能模式，并确保正确安装和配置了NVIDIA专有驱动。...
cuda编程笔记2（打印显卡性能算力）
LEDyexu的博客
10-14 484
打印显卡性能算力
搭建Anaconda+cuda+cudnn+pytorch+pycharm的笔记
01-16
CUDA（Compute Unified Device Architecture）是NVIDIA推出的一个技术，可以使用NVIDIA的GPU进行高性能的数值计算。cuDNN（CUDA Deep Neural Network library）是NVIDIA推出的一个深度学习库，可以为深度神经网络的...
cuda-installer
weixin_43804210的博客
08-26 874
安装cuda报错:./cuda-installer: error while loading shared libraries: libxml2.so.2 在docker内安装cuda11.0时报如下错： [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-kNmztCit-1629940173644)(/home/bhts/.config/Typora/typora-user-images/image-20210825155749128.png)] 解决方案 apt update
Win10安装cuda、cudnn检测是否安装成功
wzk4869的博客
10-26 5372
Win10安装cuda、cudnn检测是否安装成功
pytorch安装之后测试cuda是否安装成功命令
量子君的blog
07-07 3298
pytorch测试GPU CUDA环境是否正常代码
PyTorch&CUDA安装过程及测试
qq_43473795的博客
07-16 6739
之前安装过了Anaconda和NVIDIA驱动，所以直接跳过这几步。打开NVIDIA控制面板，帮助–>系统信息–>组件，查看自己的CUDA版本号。或者进入cmd，输入nvidia-smi也可以查看。
CUDA安装
sinoai
01-13 4789
如果官网下载不顺利，可以到百度网盘下载 1.安装显卡驱动 查看你的显卡信息：lspci | grep -i nvidia。 根据你的显卡型号到官方中文驱动下载页面下载驱动。该页面有安装指导。 禁用Nouveau驱动，重启。Ctrl+Alt+F1进入文本模式，输入sudo service lightdm stop关闭X服务器，输入sudo apt-get autoremove --purge...
ubuntu20.04安装12.2版本的cuda
分享计算机视觉，C++，网络摄像头研发，音视频开发，嵌入式等知识。
07-14 1万+
cuda安装和卸载教程
cuda安装
SmartDemo的博客
04-05 415
根据显卡驱动安装对应的cuda
评论 1
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