TX2 /Nano 升级cuda和cudnn相关库---相同的系统下

  1. tx2和tegra nano的库升级,前提条件,升级前后系统版本一致。目前版本是18.04
  2. 在TX2或者nano上,删除掉cuda和cudnn相关库,以免冲突;
sudo apt-get autoremove cuda-toolkit-10-0 libcudnn7-dev libopencv-dev libnvinfer-dev libvisio*
  1. 将使用SDK manager下载好的TX2的安装库进行安装,cd 到这些库目录所在的位置。在这里插入图片描述
sudo dpkg -i  cuda-repo-l4t-10-0-local-10.0.166_1.0-1_arm64.deb
cuda-repo-l4t-10-0-local-10.0.326_1.0-1_arm64.deb
graphsurgeon-tf_5.1.6-1+cuda10.0_arm64.deb
libcudnn7_7.5.0.56-1+cuda10.0_arm64.deb
libcudnn7-dev_7.5.0.56-1+cuda10.0_arm64.deb
libcudnn7-doc_7.5.0.56-1+cuda10.0_arm64.deb
libnvidia-container-tools_0.9.0~beta.1_arm64.deb
libnvidia-container0_0.9.0~beta.1_arm64.deb
libnvinfer-dev_5.1.6-1+cuda10.0_arm64.deb
libnvinfer-samples_5.1.6-1+cuda10.0_all.deb
libnvinfer5_5.1.6-1+cuda10.0_arm64.deb
libopencv_3.3.1-2-g31ccdfe11_arm64.deb
libopencv-dev_3.3.1-2-g31ccdfe11_arm64.deb
libopencv-python_3.3.1-2-g31ccdfe11_arm64.deb
libopencv-samples_3.3.1-2-g31ccdfe11_arm64.deb
libvisionworks-repo_1.6.0.500n_arm64.deb
libvisionworks-sfm-repo_0.90.4_arm64.deb
libvisionworks-tracking-repo_0.88.2_arm64.deb
nvidia-container-runtime_0.9.0_beta.1+docker18.09.2-1_arm64.deb
nvidia-container-runtime-hook_0.9.0_beta.1-1_arm64.deb
nvidia-docker2_0.9.0_beta.1+docker18.09.2-1_arm64.deb
python-libnvinfer_5.1.6-1+cuda10.0_arm64.deb
python-libnvinfer-dev_5.1.6-1+cuda10.0_arm64.deb
python3-libnvinfer_5.1.6-1+cuda10.0_arm64.deb
python3-libnvinfer-dev_5.1.6-1+cuda10.0_arm64.deb
tensorrt_5.1.6.1-1+cuda10.0_arm64.deb
uff-converter-tf_5.1.6-1+cuda10.0_arm64.deb
  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
### 回答1: 首先,要手动安装Jetson TX2中的CUDACuDNN,需要按照以下步骤进行操作: 1. 下载CUDA Toolkit: - 首先,通过NVIDIA官方网站下载适用于Jetson TX2CUDA Toolkit。 - 在下载页面上选择与您的Jetson TX2版本相对应的CUDA Toolkit版本,并下载该版本的.run文件。 2. 安装CUDA Toolkit: - 将下载的CUDA Toolkit文件拷贝到Jetson TX2设备上。 - 打开终端,进入到CUDA Toolkit文件所在的目录。 - 运行以下命令,以设置安装选项并启动安装过程: ``` chmod +x cuda_<version>_linux.run sudo ./cuda_<version>_linux.run ``` - 按照安装向导的指示进行操作,接受许可协议并选择相应的安装选项。 - 完成安装后,根据提示将必要的环境变量添加到系统配置文件中(如~/.bashrc)。 3. 下载CuDNN文件: - 访问NVIDIA官方网站并下载与安装的CUDA Toolkit版本相对应的CuDNN文件。 - 将下载的CuDNN文件拷贝到Jetson TX2设备上。 4. 安装CuDNN文件: - 将CuDNN文件解压到一个指定目录中,例如'/usr/local/cuda/'。 - 打开终端,进入CuDNN文件所在的目录。 - 运行以下命令以将CuDNN文件拷贝到CUDA Toolkit的安装目录中: ``` sudo cp cuda/include/cudnn.h /usr/local/cuda/include/ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn* ``` 5. 配置环境变量: - 打开终端,编辑~/.bashrc文件: ``` nano ~/.bashrc ``` - 在文件末尾添加以下内容,并保存退出: ``` export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64 export CUDA_HOME=/usr/local/cuda ``` - 运行以下命令使环境变量配置生效: ``` source ~/.bashrc ``` 完成以上步骤后,您应该成功地手动安装了Jetson TX2中的CUDACuDNN。您可以通过在终端上运行`nvcc -V`来验证CUDA是否正确安装,并通过运行`cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2`来验证CuDNN是否正确安装。 ### 回答2: 首先,Jetson TX2是一款高性能边缘计算设备,用于深度学习、AI和计算机视觉等领域。CUDAcuDNN是用于加速计算的关键软件,在Jetson TX2上手动安装这两个软件需要以下步骤: 1. 下载CUDAcuDNN:首先,从NVIDIA官方网站下载适用于Jetson TX2CUDAcuDNN版本。确保选择与Jetson TX2硬件兼容的版本。 2. 安装CUDA:将下载的CUDA安装包复制到Jetson TX2上,并解压缩文件。然后,运行安装脚本来设置CUDA环境变量并安装CUDA。 3. 配置环境变量:为了正确地配置CUDAcuDNN,需要设置环境变量。在终端中输入以下命令以打开.bashrc文件: ``` sudo nano ~/.bashrc ``` 然后,在文件的末尾添加以下行: ``` export CUDA_HOME=/usr/local/cuda export PATH=/usr/local/cuda/bin:${PATH} export LD_LIBRARY_PATH=/usr/local/cuda/lib64:${LD_LIBRARY_PATH} ``` 保存并关闭文件,然后运行以下命令以使更改生效: ``` source ~/.bashrc ``` 4. 安装cuDNN:将下载的cuDNN安装包复制到Jetson TX2上,并解压缩文件。然后,将cuDNN文件复制到CUDA的安装目录中。使用以下命令完成此操作: ``` sudo cp cuda/include/cudnn.h /usr/local/cuda/include sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn* ``` 5. 验证安装:在终端中运行以下命令以验证CUDAcuDNN是否安装成功: ``` nvcc -V ``` 如果输出中显示了CUDA版本信息,则说明CUDA安装成功。然后,可以使用深度学习框架(如TensorFlow,PyTorch等)来验证cuDNN的安装。 这些是手动安装CUDAcuDNN的基本步骤。确保按照官方文档和说明进行操作,并根据自己的需求进行相应的配置和优化。

“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 1
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