NVIDIA 安装 CUDA
Posted 长满头发的程序猿
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NVIDIA 安装 CUDA相关的知识,希望对你有一定的参考价值。
名词解释:CUDA 是一个架构 该架构使GPU能够解决复杂的计算问题
此实战使用电脑为联想Y9000P 显卡型号为 3060
在安装 CUDA 之前需要先打开 NVIDIA 控制面板
一、准备工作
如图我这个显卡需要安装 CUDA 11.7 的版本
二、下载软件
进入官网下载 CUDA NVIDIA Developer
选择 CUDA
注意:不要在这个页面点击下载因为默认版本是11.8 要选择自己所对应的版本
进行版本选择
找到自己要下载的版本
进行下载
三、安装 CUDA
You already have a newer version of the NVIDIA Frameview SDK installed
这个是我在安装时遇到的问题
遇到这样的情况需要 打开 控制面板 去进行程序卸载
然后进行安装
安装时进行 自定义安装
安装成功完毕需要看一下 系统变量 查看CUDA 的环境变量
使用命令
nvcc -V
四、安装cuDNN
进入官网 https://developer.nvidia.com/rdp/cudnn-download
下载压缩包
五、安装 cuDNN
解压压缩包然后将解压完毕的文件复制到 刚刚安装的 CUDA 文件目录中
复制完毕之后 进行环境变量配置
在path中新增 CUD安装目录的安装目录 和 lib\\x64 目录
六、验证cuDNN 是否安装成功
进入CUDA 的安装目录 \\extras\\demo_suite中 在地址栏输入 CMD
分别输入 bandwidthTest.exe、 deviceQuery.exe 校验是否安装成功
只要有 Result = PASS 这个输入就代表安装成功了
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
去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
去官网下载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
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:
通过WSL2搭建Pytorch1.10+CUDA11.4+NVIDIA Driver深度学习框架
ubuntu18.04配置deepo深度学习环境(cuda + cudnn + nvidia-docker + deepo)--超级细致,并把遇到的错误和所有解决方案都列出来了
通过WSL2搭建Pytorch1.10+CUDA11.4+NVIDIA Driver深度学习框架
Ubuntu22.04深度学习GPU环境配置:Nvidia CUDA 11.7cuDNN 8.5 详细解读(20220910)
Ubuntu22.04深度学习GPU环境配置:Nvidia CUDA 11.7cuDNN 8.5 详细解读(20220910)