Ubuntu安装cuda与cudnn,亲测可用

Posted JulyLi2019

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Ubuntu安装cuda与cudnn,亲测可用相关的知识,希望对你有一定的参考价值。

文章目录


前言

前段时间被派到现场去部署算法,之前同事搭好cuda的环境不好用了,具体表现为:
1.屏幕的分辨率显示很奇怪且不可调节
2.输入nvidia-smi命令,显示Failed to initialize NVML: Driver/library version mismatch错误
不得以在现场重装了显卡驱动cudacudnn,故以本文记之。


一、安装显卡驱动

这里介绍笔者感觉比较方便的一种方法
在终端输入:ubuntu-drivers devices,得到有关本机显卡其驱动的相关信息,如图所示(因为本地服务器已经安装了驱动,这里笔者通过SSH只做过程演示):

可以看到nvidia-driver-470为推荐版本,如果你认可推荐版本,那只需要输入sudo ubuntu-drivers autoinstall 就可以自动安装了;
如果你想安装nvidia-driver-510,只需输入sudo apt install nvidia-driver-510便可安装了,当然也可以通过此命令安装推荐的版本。若apt install 安装失败可以通过aptitude install尝试安装,即sudo aptitude install nvidia-driver-510
安装完成后nvidia-smi 测试有没有安装成功,如果出现如下输出即为安装成功:

因为本地服务器之前已经安装了驱动,笔者就没有重新安装,若按照上述流程此时表红框部分应该显示470510版本,推荐的cuda版本为11.4。我们选择的cuda版本不高于推荐版本即可。

二、安装cuda

nvidia官网选择cuda版本:https://developer.nvidia.com/cuda-toolkit-archive


这里根据自己的需要选着版本,但是不要高于系统推荐版本。笔者这里选用11.1.0

这里我们选择runfile(local)的安装方式

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

在运行sudo sh cuda_11.1.0_455.23.05_linux.run时,不要安装驱动、不要安装驱动、不要安装驱动,重要的事情说三遍,操作为:选择continue->输入accept->按空格取消Driver选项->选择Install安装。



安装完成后需要配置环境变量:

vim ~/.bashrc

在末尾添加:

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

最后,

source ~/.bashrc

使之生效。


三、安装cudnn

官网下载cuda对应版本的cudnnhttps://developer.nvidia.com/rdp/cudnn-archive#a-collapse805-111
这里我们选择的是8.0.5.39版本的cudnn
下载一下三个文件:

sudo dpkg -i libcudnn8_8.0.5.39-1+cuda11.1_amd64.deb
sudo dpkg -i libcudnn8-dev_8.0.5.39-1+cuda11.1_amd64.deb
sudo dpkg -i libcudnn8-samples_8.0.5.39-1+cuda11.1_amd64.deb

查看cudnn版本:

dpkg -l | grep cudnn


总结

显卡驱动、cuda、cudnn之前也尝试过很多种方法,但综合体验下来本文方法是最为方便快捷的。
参考文档:
https://blog.csdn.net/qq_42751676/article/details/121001049?utm_source=app&app_version=5.5.0&code=app_1562916241&uLinkId=usr1mkqgl919blen
https://blog.csdn.net/NCU_Wang/article/details/123612184?utm_source=app&app_version=5.5.0&code=app_1562916241&uLinkId=usr1mkqgl919blen

如果阅读本文对你有用,欢迎一键三连呀!!!
2022年6月2日18:01:03

Ubuntu 下安装CUDA(安装:NVIDIA-384+CUDA9.0+cuDNN7.1)

(安装:NVIDIA-384+CUDA9.0+cuDNN7.1)

显卡(GPU)驱动:NVIDIA-384

CUDA:CUDA9.0

cuDNN:cuDNN7.1

Ubuntu 下安装CUDA需要装NVIDIA驱动,首先进入NVIDIA官网,然后查询对应NVIDIA驱动是否支持你电脑的型号。

这里我的电脑是:华硕F450J ,自带的NVIDIA GEFORCE 745。

第一步、安装NVIDIA GPU驱动

NVIDIA官网查询是否支持我电脑的GPU如下

 

可以看出:GeForce 700M Series (Notebooks):

GeForce GTX 780M, GeForce GTX 770M, GeForce GTX 765M, GeForce GTX 760M, GeForce GT 755M, GeForce GT 750M, GeForce GT 745M, GeForce GT 740M, GeForce GT 735M, GeForce GT 730M, GeForce GT 720M, GeForce GT 710M, GeForce 720M, GeForce 710M, GeForce 705M

GeForce GT 745M为我电脑的型号,所以version:390.48是支持我的NVIDIAGPU驱动的。

所以第二部我们安装NVIDIA DISPLAY DRIVER  version:390.48 执行如下代码:

第一部分:安装后续步骤或环境必需的依赖包 

1 sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler   
2 
3 sudo apt-get install --no-install-recommends libboost-all-dev   
4 
5 sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev   
6 
7 sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev   
8 
9 sudo apt-get install git cmake build-essential

输入以下代码输出如下信息则表示依赖环境安装成功

code:

1 sudo apt-get install git cmake build-essential 

显示:

1 Reading package lists... Done   
2 Building dependency tree
3 Reading state information... Done
4 build-essential is already the newest version (12.1ubuntu2). 
5 cmake is already the newest version (3.5.1-1ubuntu3).  
6 git is already the newest version (1:2.7.4-0ubuntu1.3).   
7 0 upgraded, 0 newly installed, 0 to remove and 126 not upgraded. 

表示依赖环境安装成功

 

第二部分:安装显示驱动

官网下载NVIDIA的显卡(GPU)驱动然后运行。或者直接终端上运行,执行如下代码。

sudo apt-get update  
sudo add-apt-repository ppa:graphics-drivers/ppa 
sudo apt-get update 
sudo apt-get install nvidia-384  
sudo apt-get install mesa-common-dev 
sudo apt-get install freeglut3-dev    

执行结束后,重新启动系统

sudo reboot  #或者sudo shutdown -r now

开机后检测是否安装显示驱动成功

nvidia-settings  #或者直接点击dash开始界面输入NVIDIA查看

显示如下信息表示安装成功

 配置环境变量

sudo gedit ~/.bashrc

在.bashrc中加入如下两行

export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH 
export LD_LIBRARY_PATH=/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH

第二步、安装NVIDIA CUDA

第一部分、先进入NVIDIA官网的CUDA Toolkit 下载界面

如下图所示,下载CUDA Toolkit

注意:这个地方的提示,要安装这个CUDA Toolkit 9.1,需要先安装至少NVIDIA DISPLAY DRIVER R390 版本3.90以上。

CUDA Toolkit 

下载好CUDA Toolkit9.1后,执行如下代码进行安装(此处不需要安装OPGL),代码如下: 

1 sudo sh cuda_9.0.176_384.81_linux.run --no-opengl-libs    #run文件的文件名根据自己下的文件名修改,默认是我提供的文件 

输出显示:

 1 Do you accept the previously read EULA? 
 2 accept/decline/quit: accept 
 3 Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81? 
 4 (y)es/(n)o/(q)uit: n 
 5 Install the CUDA 9.0 Toolkit? 
 6 (y)es/(n)o/(q)uit: y 
 7 Enter Toolkit Location 
 8 [ default is /usr/local/cuda-9.0 ]:  
 9 Do you want to install a symbolic link at /usr/local/cuda? 
10 (y)es/(n)o/(q)uit: y 
11 Install the CUDA 9.0 Samples? 
12 (y)es/(n)o/(q)uit: y 
13 Enter CUDA Samples Location 
14 [ default is /home/pertor ]:  
15 Installing the CUDA Toolkit in /usr/local/cuda-9.0 ... 
16 Missing recommended library: libXmu.so 

添加环境变量: 

sudo gedit ~/.bashrc

export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

source ~/.bashrc

验证CUDA9.0是否安装成功

cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery

sudo make

./deviceQuery

输出如下信息表示成功安装

./deviceQuery Starting...

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

Detected 1 CUDA Capable device(s)

Device 0: "GeForce GT 740M"
  CUDA Driver Version / Runtime Version          8.0 / 8.0
  CUDA Capability Major/Minor version number:    3.5
  Total amount of global memory:                 2004 MBytes (2100953088 bytes)
  ( 2) Multiprocessors, (192) CUDA Cores/MP:     384 CUDA Cores
  GPU Max Clock rate:                            1032 MHz (1.03 GHz)
  Memory Clock rate:                             800 Mhz
  Memory Bus Width:                              64-bit
  L2 Cache Size:                                 524288 bytes
  Maximum Texture Dimension Size (x,y,z)         1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)
  Maximum Layered 1D Texture Size, (num) layers  1D=(16384), 2048 layers

第三步、安装NVIDIA cuDNN

登录官网下载cuDNN 

这个需要申请账号,注册后进入官网,如下图所示

  cuDNN 的全称是 The NVIDIA CUDA® Deep Neural Network library,是专门用来对深度学习加速的库,它支持 Caffe2, MATLAB, Microsoft Cognitive Toolkit, TensorFlow, Theano 及 PyTorch 等深度学习的加速优化,目前最新版本是 cuDNN 7.1,接下来我们来看下它的安装方式。 

下载链接:https://developer.nvidia.com/rdp/cudnn-download,需要注册之后才能打开,这里我们选择 cuDNN v7.1.1 (Feb 28, 2018), for CUDA 9.0,然后选择 cuDNN v7.1.1 Library for Linux,如图所示: 

在ubuntu安装nvidia驱动 (亲测有效,这是方法二)

软件安装与环境配置ubuntu16.04+caffe+nvidia+CUDA+cuDNN安装配置

Ubuntu 安装 CUDA and Cudnn

ubuntu 安装cuda cudnn transflow

Ubuntu 下安装CUDA(安装:NVIDIA-384+CUDA9.0+cuDNN7.1)

Ubuntu 18.04/20.04 CV环境配置(上):CUDA11.1 + cudnn安装配置