【深度学习环境搭建<二>】CUDA和 cuDNN 的安装
0x00 前言
上一篇中我们介绍了深度学习环境搭建的第一步:NVIDIA驱动的安装。现在车的轮子有了,接下来就要来搭建车的车身了,也就是今天的主角:CUDA 和 cuDNN, 它是我们程序和驱动之间的连接,告诉我们怎么用Driver来发动我们的车子。
0x01 CUDA 和 cuDNN 的安装
CUDA 安装
在官网选择CUDA的版本和要安装的平台
官网地址:https://developer.nvidia.com/cuda-toolkit-archive
在上面的网页中选择你要安装的版本,进入到下面的界面,
安装CUDA
根据你的需求选择完后,在终端执行
Base Installer
中的代码,我这里选择的CUDA 11.1.0
,wget https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/cuda_11.1.0_455.23.05_linux.run sudo sh cuda_11.1.0_455.23.05_linux.run
检测到我安装了Nvidia驱动,有个提醒,这里选择继续就行,
选择接受
因为Nvidia驱动是我自己安装的,所以这里我把Driver选项去掉,刚开始没看懂怎么去掉,后来发现按
Enter
键可以选择,带有X就是被选择了,空就是没被选择,执行完结果如下:
配置环境变量
环境变量可以配置为所有用户有效或者仅对当前用户有效,一般是先读
/etc/profile
中的,然后再读~/.bashrc
中的环境变量。对所有用户有效
编辑
/etc/profile
文件sudo vim /etc/profile
将如下内容写入到
/etc/profile
文件中export PATH="/usr/local/cuda-11.1/bin:$PATH" export LD_LIBRARY_PATH="/usr/lcoal/cuda-11.1/lib64:$LD_LIBRARY_PATH"
使配置文件立即生效
source /etc/profile
仅对当前用户有效
编辑
~/.bashrc
文件sudo vim ~/.bashrc
将如下内容写入到
~/.bashrc
文件中export PATH="/usr/local/cuda-11.1/bin:$PATH" export LD_LIBRARY_PATH="/usr/lcoal/cuda-11.1/lib64:$LD_LIBRARY_PATH"
使配置文件立即生效
source ~/.bashrc
测试是否安装成功
在命令行执行下面的命令,
nvcc -V
如果返回如下的图,则说明安装正确(CUDA版本要正确)
如果,得到的CUDA的版本和我们安装的不一致,请参考=====
cuDNN安装
cuDNN下载
官网地址:https://developer.nvidia.com/rdp/cudnn-archive
需要申请个账号,找到适合自己的,我下载的是cuDNN v8.0.5 for CUDA 11.1,
解压, 在当前目录解压成
cuda
目录tar -zxvf cudnn-11.1-linux-x64-v8.0.5.39.tgz
将解压的一些文件复制到相应文件中,执行下面的命令
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*
验证是否安装成功
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
如果输出cdDNN的版本的话,说明安装成功!!
0x03 一些闲话
本人创建了一个公众号,分享科研路上的小问题,新发现,欢迎关注公众号,给我留言!!!
一起奋发向上,攻克难题吧~~
【深度学习环境搭建<二>】CUDA和 cuDNN 的安装相关推荐
- 深度学习环境搭建之cuda、cudnn以及pytorch和torchvision的whl文件安装方法
一.前言 假设已经装好了pycharm.anaconda,并且新建了一个conda虚拟环境(我的虚拟环境名为pytorch).接下来需要安装新版的显卡驱动,安装cuda.cudnn.pytorch和t ...
- 深度学习环境配置Win10+CUDA+cuDNN+Tensorflow2.0+PyTorch1.2+Python3.7.6
系统环境:Win10 Python版本:3.7.6 CUDA版本:10.0 cuDNN版本:7.6.5 Tensorflow-gpu版本:2.0.1 PyTorch版本:1.2.0 深度学习环境配置W ...
- 深度学习环境搭建(从卸载CUDA到安装,以及Pytorch与torchvision的安装。你从未见过的全有版本)
深度学习环境搭建(从卸载CUDA到安装,以及Pytorch与torchvision的安装.你从未见过的全有版本) 先来点头疼的:在深度学习的过程中,环境搭建是必须要经过的一个关卡,由于版本对应麻烦,很 ...
- Miniconda3+PyTorch1.7.1(GPU版)+Win10_x64+GTX1060深度学习环境搭建
写在这里的初衷,一是备忘,二是希望得到高人指点,三是希望能遇到志同道合的朋友. 硬件信息: 系统:win10家庭中文版 CPU:i7-7700HQ 内存:16GB 显卡:GTX1060 目录 一.确定 ...
- ubuntu22从双系统开始到深度学习环境搭建+必备软件安装
ubuntu从双系统开始到深度学习环境搭建及生活软件安装大合集!!! (一)本机环境 (二)双系统安装 1.前期了解 1.1.查看[BIOS](https://so.csdn.net/so/searc ...
- win10系统的深度学习环境搭建以win10+rtx2060+tensorflow为例/K210的win10系统的深度学习环境搭建/有无显卡均可安装
win10系统的深度学习环境搭建以win10+rtx2060+tensorflow为例 K210的win10系统的深度学习环境搭建 有无显卡均可安装 一 软件准备 1.Anaconda3 软件介绍:A ...
- 深度学习环境搭建之SFA3D目标检测
一.前言 由于公司项目支撑,近期需要做雷达图像的目标检测后融合.本篇博客详细介绍深度学习环境搭建,并跑通SFA3D.由于本机第一次搭建环境,这里先全部手动搭建,实际上在用Ananconda创建 ...
- 保姆级教程——Ubuntu16.04 Server下深度学习环境搭建:安装CUDA8.0,cuDNN6.0,Bazel0.5.4,源码编译安装TensorFlow1.4.0(GPU版)...
写在前面 本文叙述了在Ubuntu16.04 Server下安装CUDA8.0,cuDNN6.0以及源码编译安装TensorFlow1.4.0(GPU版)的亲身经历,包括遇到的问题及解决办法,也有一些 ...
- 腾讯云GPU服务器深度学习环境搭建
Author:ZERO-A-ONE Date:2021-2-20 因为本人的电脑没有带有NVIDIA公司的独立显卡,所以需要用到GPU进行大规模运算加速训练的时候,就萌生了购买云服务进行计算的念头 ...
最新文章
- Python编程不能帮你找到女朋友,却能让你成为有钱的单身狗
- PHPCMS v9 二次开发_验证码结合Session开发
- Kali Linux ver2020.4安装Google中文输入法以及nslookup、dig等工具
- 物联网项目:将Arduino连接到Ubidots和Android –第1部分
- linux安装qt5.4配置,Linux编译安装Qt 5.4.1
- MYC编译器源码分析之程序入口
- 文件字节输出流 java
- ASP.NET中对Exception的统一集中处理常见的有两种方式的一些问题总结
- 计算机应用word作业,《计算机应用基础》作业
- Linux系统管理(3)——防火墙 iptables基本原理 四表五链 NetFilter 概述
- Q96:过程纹理(Procedural Texture)(0)——概述
- 系统缓存全解析2:页面输出缓存
- android photopicker怎么修改状态栏,一个非常好看的图片选择框架LPhotoPicker,确定不来看看么...
- B站视频保存到本地电脑的步骤
- 中科院读芯术python答案_Python调用中科院NLPIR(ICTCLAS2015)详解 刘超(lch614730@163.com)...
- 接触webGl(three.js)之全景(VR)看房的实现旅程总结
- python 打印/输出元素,用 逗号/空格 分隔
- 4.Cantor表(升级版)
- 什么是连接池,其工作原理是什么?
- 你明白什么是会签?工作流+会签应用