【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
```
1. 检测到我安装了Nvidia驱动，有个提醒，这里选择继续就行，
2. 选择接受
3. 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，
4. 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
  1. 编辑/etc/profile文件
```
sudo vim /etc/profile
```
  2. 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"
```
  3. 使配置文件立即生效
```
source /etc/profile
```
- 仅对当前用户有效
  1. 编辑~/.bashrc文件
```
sudo vim ~/.bashrc
```
  2. 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"
```
  3. 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 ...