成都建设网站的公司,汕尾海丰建设规划局网站,ppt免费下载模板网站,做营销型网站的教程安装显卡驱动
查看驱动版本
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
安装anaconda 下载#xff1a; 获取anaconda在清华镜像站的网址#xff0c;然后在服务器端wget 网址就行了。
清华镜像站中anaconda的所有版本的网址#xff1a;https://mirror…安装显卡驱动
查看驱动版本
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
安装anaconda 下载 获取anaconda在清华镜像站的网址然后在服务器端wget 网址就行了。
清华镜像站中anaconda的所有版本的网址https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
找到自己想要的那个版本然后右键-》复制链接地址。
接下来在服务器端找一个好的目录wget 复制好的地址运行就好。
示例 wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.3.1-Linux-x86_64.sh
sh ./Anaconda3-5.3.1-Linux-x86_64.shsource /root/anaconda3/etc/profile.d/conda.sh如果conda 不起作用的话。
接下来一直操作就行
安装cuda
https://developer.nvidia.com/cuda-10.0-download-archive?target_osLinuxtarget_archx86_64target_distroUbuntutarget_version1804target_typerunfilelocal
下载对应的版本
然后进入文件夹中安装运行如下代码
sudo cuda_9.0.176_384.81_linux.run安装cudnn
先下载 官网地址 https://developer.nvidia.com/rdp/cudnn-archive 这两个软件包时应该先安装上面那个Runtime版本的而不是下面那个developer版本。 解压压缩包然后出现cuda 文件夹 tar -xzvf cudnn-10.0-linux-x64-v7.6.4.38.solitairetherme8如果是deb文件执行以下命令
sudo dpkg -i libcudnn7_7.4.1.5-1cuda10.0_amd64.deb 然后执行以下命令
$ sudo cp cuda/include/cudnn*.h /usr/local/cuda/include
$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
$ sudo chmod ar /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*然后测试是否安装完成
cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
错误 1.libcudnn8-dev 依赖于 libcudnn8 ( 8.0.4.30-1cuda11.1)然而 未安装软件包 libcudnn8。
dpkg: 处理软件包 libcudnn8-dev (–install)时出错 依赖关系问题 - 仍未被配置 在处理时有错误发生 libcudnn8-dev 解决 先安装developer 版本
一tar安装
a解压tar文件
$ tar -xzvf cudnn-9.0-linux-x64-v7.tgz b复制所需文件到系统相应位置
$ sudo cp cuda/include/cudnn.h /usr/local/cuda/include
$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
$ sudo chmod ar /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn* 二deb安装
a安装runtime library
sudo dpkg -i libcudnn7_7.0.3.11-1cuda9.0_amd64.deb b安装developer library
sudo dpkg -i libcudnn7-dev_7.0.3.11-1cuda9.0_amd64.deb c安装code samples and the cuDNN Library User Guide
sudo dpkg -i libcudnn7-doc_7.0.3.11-1cuda9.0_amd64.deb
3验证
a,拷贝示例代码到任意可写路径
$cp -r /usr/src/cudnn_samples_v7/ . b,进入cudnn_samples_v7相应目录
$ cd cudnn_samples_v7/mnistCUDNN c,编译
$make clean make d.运行
$ ./mnistCUDNN
安装pytorch-gpu
其实可以直接 安装pytorch 不用安装 cudnn coda 就行
conda install pytorch torchvision cudatoolkit10.1然后进行测试即可
