安裝CUDA和cudnn

• cuda
• • 驅動檢查
  • 驅動下載
  • • 1.下載驅動文件
    • 2.準備工作
    • 3.安裝NVIDIA驅動程序
  • gcc降級
  • cuda安裝包下載
  • 安裝操作
  • gcc降級
• 安裝cuda
• • **nvidia-smi 中的CUDA 版本與 nvcc不一致：**
• cudnn 安裝
• • 1.安裝包地址：
  • 2.文件解壓
  • 3.查看cudnn版本

系統：ubuntu 20.04

參考鏈接：https://blog.csdn.net/lihe4151021/article/details/90237681

cuda

版本關系
cuda11.6：
cuda10：
cuda9：
cuda8：

驅動檢查

輸入nvidia-smi命令查看支持的cuda版本
提示

Command 'nvidia-smi' not found, but can be installed with:sudo apt install nvidia-340 sudo apt install nvidia-utils-390

執行：sudo apt install nvidia-340

安裝完成，在執行：nvidia-smi
提示：

NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver. Make sure that the latest NVIDIA driver is installed and running.

驅動下載

安裝NVIDIA驅動

1.下載驅動文件

去官網下載和自己的顯卡適配的驅動文件，是個.run文件。貼個下載地址：https://www.nvidia.cn/Download/index.aspx
search之后下載就行，記住它下載到了哪個文件夾里，以后會用的到



下載好的鏈接：https://download.csdn.net/download/weixin_44322778/85002137

2.準備工作

文件已經下載好了，但是在安裝之前我我們需要做一些準備。
（1）、刪除原有驅動（可選）：$ sudo apt-get remove --purge nvidia*
我在刪除的時候就提示我沒有原有的驅動。
（2）、禁用nouveau，安裝NVIDIA需要把系統自帶的驅動禁用
打開文件：sudo gedit /etc/modprobe.d/blacklist.conf
在文本最后添加以下內容：

blacklist nouveau option nouveau modeset=0

然后保存退出
執行：sudo update-initramfs -u
重啟，命令行輸入：lsmod | grep nouveau
沒有任何輸出的話就代表禁用成功。

3.安裝NVIDIA驅動程序

參考文章：
（準備另一臺電腦，用來看教程或者是查找需要輸入的命令）
禁用圖形界面服務：sudo service lightdm stop
按Ctrl+Alt+F1進入命令行，輸入用戶名密碼登錄（通過Ctrl+Alt+F7可返回界面）
下載的是.run文件，首先給文件賦予執行權限，首先cd到下載目錄：（重要的事情說三遍：注意參數、注意參數、注意參數）

打開所在的文件夾：
cd ～/Downloads/
（這里應該寫你當時把.run文件下載到的文件夾的路徑，一般默認是下載文件夾，如果你在這里出現錯誤，比如找不到文件，或者路徑是中文的，可以嘗試把.run文件移動到一個home下，這樣可以直接打：cd /home/你的用戶名/ 這樣就可以打開了。）

然后輸入：sudo chmod a+x NVIDIA-Linux-x86_64-510.54.run
接著安裝：sudo ./NVIDIA-Linux-x86_64-510.54.run –no-opengl-files
（如果linux在虛擬機中報錯如下：）

提示信息：
系統：ubuntu 20.04 系統
你似乎沒有NVIDIA GPU支持的510.54 NVIDIA Linux系統中安裝的圖形驅動程序。有關詳情，請參閱
Linux下的README中支持的NVIDIA GRAPHICS CHIPS
驅動下載頁面www.nvidia.com。
解決方案：

no-opengl-files 只安裝驅動文件，不安裝opengl文件。這個參數最重要
–no-x-check 安裝驅動時不檢查X服務
–no-nouveau-check 安裝驅動時不檢查nouveau
后面兩個參數可不加。

gcc降級

如圖所示提示安裝驅動需要的本系統GCC編譯器版本過高，當前系統為9.4.0 但是驅動安裝需要的編譯器是9.3.0.

Ubuntu20.04自帶的gcc版本為9.4.0，需要添加gcc3才可安裝nvidia驅動，輸入命令安裝gcc3

sudo apt-get install gcc-3 g+±3

查看gcc版本，可以看到目前系統中存在7和9兩個版本

使用update-alternatives進行版本切換，輸入以下命令：

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 100
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-9 50

此時輸入sudo update-alternatives --config gcc命令查看gcc的默認版本，可以看到當前默認gcc版本為7，即切換成功。

原文鏈接：https://blog.csdn.net/ashome123/article/details/105822040

接著就是一直"Enter"選擇它默認的那個選項就好。

然后掛載驅動： modprobe nvidia
最后查看是否已經安裝好了：nvidia-smi

原文鏈接：https://blog.csdn.net/qq_39418067/article/details/87978848

cuda安裝包下載

從https://developer.nvidia.com/cuda-toolkit-archive下載對應版本的cuda，選擇18.04的版本即可。

安裝操作

runfile安裝cuda

禁用 nouveau驅動(在安裝Nvidia驅動時已禁用)

終端中運行：$ lsmod | grep nouveau，如果有輸出則代表nouveau正在加載。需要我們手動禁掉nouveau。

Ubuntu的nouveau禁用方法： a、在/etc/modprobe.d中創建文件blacklist-nouveau.conf輸入命令：$ sudo vi /etc/modprobe.d/blacklist-nouveau.conf （利用vi編輯器編輯和保存文件）在文件中輸入一下內容：blacklist nouveau options nouveau modeset=0b、執行： $ sudo update-initramfs –uc、再執行： $ lsmod | grep nouveau 若無內容輸出，則禁用成功，若仍有內容輸出，請檢查操作，并重復上述操作。

注：vi(或者用gedit)是Linux終端下或控制臺下常用的編輯器，基本的操作方式為：vi /路徑/文件名
例如：vi /etc/fstab表示顯示/etc/fstab文件的內容。使用鍵盤上的Page Up和Page Down鍵可以上下翻頁；按下Insert鍵，可以見到窗口左下角有“Insert”字樣，表示當前為插入編輯狀態，這時從鍵盤輸入的內容將插入到光標位置；再按下Insert鍵，左下角將有“Replace”字樣，表示當前為替換編輯狀態，這時從鍵盤輸入的內容將替換光標位置的內容。編輯完內容后，按下Esc鍵，并輸入“:wq”，然后回車就可以保存退出。
如果不想保存而直接退出，則按下Esc鍵后，輸入“:q!”，然后回車即可。“wq”表示Write和Quit，即保存退出；“q!”表示忽略修改強行退出。

以下操作建議手機拍照，建議把下載的cuda_10.0.130_410.48_linux.run文件重命名為cuda.run并移動到Home文件夾下（為了安裝方便）

gcc降級

Ubuntu20.04自帶的gcc版本為9.7.0，需要添加gcc7才可安裝cuda10.2，輸入命令安裝gcc7

sudo apt-get install gcc-7 g+±7

查看gcc版本，可以看到目前系統中存在7和9兩個版本

使用update-alternatives進行版本切換，輸入以下命令：

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 100
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-9 50

此時輸入sudo update-alternatives --config gcc命令查看gcc的默認版本，可以看到當前默認gcc版本為7，即切換成功。

原文鏈接：https://blog.csdn.net/ashome123/article/details/105822040

安裝cuda

在安裝CUDA 時候會安裝3大組件，分別是 NVIDIA 驅動、toolkit 和 samples。

• NVIDIA 驅動是用來控制 GPU 硬件，
• toolkit 里面包括nvcc編譯器等，
• samples或者說SDK 里面包括很多樣例程序包括查詢設備、帶寬測試等等。
  上面說的 CUDA Driver API是依賴于 NVIDIA 驅動 安裝的，而CUDA Runtime API 是通過CUDA toolkit 安裝的。

nvidia-smi 顯示的是你的驅動的版本號，而nvcc顯示的是你的環境變量相對應的CUDA的版本號
原文鏈接：https://blog.csdn.net/ljp1919/article/details/102640512

輸入命令進行安裝
sudo sh cuda_10.0.130_440.33.01_linux.run
彈出閱讀協議時，直接空格到100%，根據提示進行安裝。( 換圖。。。。。。。。。。。。。。。。)

3.環境變量配置
dragon@dragon-virtual-machine:~$ gedit ~/.bashrc
在文檔末尾加上：

export PATH=/usr/local/cuda-10.0/bin${PATH:+:${PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

或者

更新環境變量配置 dragon@dragon-virtual-machine:~$ source ~/.bashrc 環境變量的配置： sudo gedit ~/.bashrc 末尾添加： export PATH=/usr/local/cuda-10.0/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64:/usr/local/cuda-10.0/extras/CUPTI/lib64:$LD_LIBRARY_PATH 重啟計算機 測試CUDA安裝結果： nvcc --version cd NVIDIA_CUDA-10.0_Samples make cd /NVIDIA_CUDA-10.0_Samples/bin/x84_64/linux/release 執行./deviceQuery #如果顯示的是一些關于GPU的信息，則說明安裝成功了。

輸入：nvcc --version系統提示：

Command 'nvcc' not found, but can be installed with:

解決方法：
首先，查看cuda的bin目錄下是否有nvcc：

cd /usr/local/cuda/bin

如果存在，直接將cuda路徑加入系統路徑即可：
進入配置文件；
vim ~/.bashrc
添加以下兩行：

export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

然后更新配置文件：

source ~/.bashrc

再次執行nvcc --version就可以看到相應cuda版本了，如下：

dragon@dragon:/usr/local/cuda/bin$ nvcc --version nvcc: NVIDIA (R) Cuda compiler driver Copyright (c) 2005-2018 NVIDIA Corporation Built on Sat_Aug_25_21:08:01_CDT_2018 Cuda compilation tools, release 10.0, V10.0.130

原文鏈接：https://blog.csdn.net/Flying_sfeng/article/details/103343813

nvidia-smi 中的CUDA 版本與 nvcc不一致：

解決方案：https://blog.csdn.net/qq525003138/article/details/103911704
出現版本不一致主要跟 NVIDIA Toolkit版本有關
原因：
在安裝CUDA 時候會安裝3大組件，分別是 NVIDIA 驅動、toolkit 和 samples。NVIDIA 驅動是用來控制 GPU 硬件，toolkit 里面包括nvcc編譯器等，samples或者說SDK 里面包括很多樣例程序包括查詢設備、帶寬測試等等。上面說的 CUDA Driver API是依賴于 NVIDIA 驅動 安裝的，而CUDA Runtime API 是通過CUDA toolkit 安裝的。

nvidia-smi 顯示的是你的驅動的版本號，而nvcc顯示的是你的環境變量相對應的CUDA的版本號

dragon@dragon:~/Downloads$ sudo apt-get install nvidia-cuda-toolkit Reading package lists... Done Building dependency tree Reading state information... Done The following additional packages will be installed:g++-6 libaccinj64-9.1 libcublas9.1 libcudart9.1 libcufft9.1 libcufftw9.1 libcuinj64-9.1 libcurand9.1 libcusolver9.1libcusparse9.1 libdrm-dev libgl1-mesa-dev libgles1 libglvnd-core-dev libglvnd-dev libnppc9.1 libnppial9.1 libnppicc9.1libnppicom9.1 libnppidei9.1 libnppif9.1 libnppig9.1 libnppim9.1 libnppist9.1 libnppisu9.1 libnppitc9.1 libnpps9.1 libnvblas9.1libnvgraph9.1 libnvrtc9.1 libnvtoolsext1 libnvvm3 libopengl0 libpthread-stubs0-dev libstdc++-6-dev libthrust-dev libvdpau-devlibvdpau1 libx11-dev libx11-doc libx11-xcb-dev libxau-dev libxcb-dri2-0-dev libxcb-dri3-dev libxcb-glx0-dev libxcb-present-devlibxcb-randr0-dev libxcb-render0-dev libxcb-shape0-dev libxcb-sync-dev libxcb-xfixes0-dev libxcb1-dev libxdamage-devlibxdmcp-dev libxext-dev libxfixes-dev libxshmfence-dev libxxf86vm-dev mesa-common-dev mesa-vdpau-drivers nvidia-cuda-devnvidia-cuda-doc nvidia-cuda-gdb nvidia-opencl-dev nvidia-profiler nvidia-visual-profiler ocl-icd-opencl-dev opencl-c-headersvdpau-driver-all x11proto-core-dev x11proto-damage-dev x11proto-dev x11proto-fixes-dev x11proto-xext-devx11proto-xf86vidmode-dev xorg-sgml-doctools xtrans-dev Suggested packages:g++-6-multilib gcc-6-doc libstdc++6-6-dbg libstdc++-6-doc libvdpau-doc libxcb-doc libxext-doc libcupti-dev nvidia-driverlibpoclu-dev libvdpau-va-gl1 nvidia-vdpau-driver nvidia-legacy-340xx-vdpau-driver Recommended packages:libnvcuvid1 The following NEW packages will be installed:g++-6 libaccinj64-9.1 libcublas9.1 libcudart9.1 libcufft9.1 libcufftw9.1 libcuinj64-9.1 libcurand9.1 libcusolver9.1libcusparse9.1 libdrm-dev libgl1-mesa-dev libgles1 libglvnd-core-dev libglvnd-dev libnppc9.1 libnppial9.1 libnppicc9.1libnppicom9.1 libnppidei9.1 libnppif9.1 libnppig9.1 libnppim9.1 libnppist9.1 libnppisu9.1 libnppitc9.1 libnpps9.1 libnvblas9.1libnvgraph9.1 libnvrtc9.1 libnvtoolsext1 libnvvm3 libopengl0 libpthread-stubs0-dev libstdc++-6-dev libthrust-dev libvdpau-devlibvdpau1 libx11-dev libx11-doc libx11-xcb-dev libxau-dev libxcb-dri2-0-dev libxcb-dri3-dev libxcb-glx0-dev libxcb-present-devlibxcb-randr0-dev libxcb-render0-dev libxcb-shape0-dev libxcb-sync-dev libxcb-xfixes0-dev libxcb1-dev libxdamage-devlibxdmcp-dev libxext-dev libxfixes-dev libxshmfence-dev libxxf86vm-dev mesa-common-dev mesa-vdpau-drivers nvidia-cuda-devnvidia-cuda-doc nvidia-cuda-gdb nvidia-cuda-toolkit nvidia-opencl-dev nvidia-profiler nvidia-visual-profiler ocl-icd-opencl-devopencl-c-headers vdpau-driver-all x11proto-core-dev x11proto-damage-dev x11proto-dev x11proto-fixes-dev x11proto-xext-devx11proto-xf86vidmode-dev xorg-sgml-doctools xtrans-dev 0 upgraded, 78 newly installed, 0 to remove and 0 not upgraded. Need to get 788 MB of archives. After this operation, 1,874 MB of additional disk space will be used. Do you want to continue? [Y/n]

解決方案：我是把 NVIDIA Toolkit卸載了重新安裝的：
參考鏈接： https://blog.csdn.net/qq525003138/article/details/103911704

4 版本查看

dragon@dragon:/usr/local/cuda/bin$ which nvcc /usr/local/cuda-10.0/bin/nvcc

原文鏈接：https://blog.csdn.net/ashome123/article/details/105822040

cudnn 安裝

1.安裝包地址：

https://developer.nvidia.com/rdp/cudnn-archive
注意對應的版本

2.文件解壓

右擊解壓目錄下的cuda文件夾，選擇在終端打開，然后輸入

將cuda/include/cudnn.h文件復制到usr/local/cuda/include文件夾 sudo cp include/cudnn.h /usr/local/cuda/include/ 將cuda/lib64/下所有文件復制到/usr/local/cuda/lib64文件夾中 sudo cp lib64/libcudnn* /usr/local/cuda/lib64/ 并添加讀取權限 sudo chmod a+r /usr/local/cuda/include/cudnn.h sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

3.查看cudnn版本

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

看到下面內容，說明安裝成功

dragon@dragon:~/cudnn-10.0-linux-x64-v7.6.5.32/cuda$ cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 #define CUDNN_MAJOR 7 #define CUDNN_MINOR 6 #define CUDNN_PATCHLEVEL 5 -- #define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL) #include "driver_types.h"

原文鏈接：https://blog.csdn.net/qq_39418067/article/details/87978848

總結

以上是生活随笔為你收集整理的【Linux】安装CUDA和cudnn的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。