ubuntu22.04安装cudnn8.6.0
时间: 2025-03-05 15:33:51 浏览: 97
### 安装 CuDNN 8.6.0 的准备工作
为了确保 CUDA 和 CuDNN 能够正常工作,在安装 CuDNN 之前,需要确认已经成功安装了兼容版本的 NVIDIA 驱动程序以及对应的 CUDA 版本[^2]。
### 下载 CuDNN 8.6.0
前往 [NVIDIA 官方网站](https://developer.nvidia.com/rdp/cudnn-archive),登录账户并下载适用于 CUDA 11.x 的 CuDNN v8.6.0 (November 3, 2022), for Linux[^1]。
### 解压文件
假设已将 `.tgz` 文件下载到 `~/Downloads` 目录下:
```bash
tar -xzvf ~/Downloads/cudnn-linux-x86_64-8.6.0.173_cuda11-archive.tar.xz -C ~/
```
这会创建一个名为 `cudnn-linux-x86_64-8.6.0.173_cuda11-archive` 的目录,其中包含了所需的库文件。
### 复制库文件至 CUDA 目录
执行如下命令来复制解压缩后的文件到 CUDA 工具包所在的位置:
```bash
sudo cp ~/cudnn-linux-x86_64-8.6.0.173_cuda11-archive/include/* /usr/local/cuda/include/
sudo cp ~/cudnn-linux-x86_64-8.6.0.173_cuda11-archive/lib/* /usr/local/cuda/lib64/
```
上述路径 `/usr/local/cuda` 是默认安装位置;如果 CUDA 安装到了其他地方,则需相应调整目标路径。
### 更新环境变量
编辑用户的 shell profile 文件(如 `.bashrc`, `.zshrc`),添加或更新 LD_LIBRARY_PATH 变量以包含新加入的 cuDNN 库路径:
```bash
echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc
```
完成以上配置之后重启终端使更改生效。
验证安装是否成功的常用方法之一是运行简单的测试代码,比如 TensorFlow 或 PyTorch 中自带的一些例子,这些框架能够自动检测并利用 GPU 加速计算资源。
阅读全文
相关推荐











