安装cuda cudatoolkit
时间: 2025-02-16 21:11:13 浏览: 80
### 如何安装 CUDA 和 cuDNN Toolkit
#### 安装准备
为了顺利安装CUDA和cuDNN工具包,需先确认操作系统环境满足官方支持的要求。对于Linux、Windows以及macOS不同平台有着特定的支持版本列表[^1]。
#### 下载合适的CUDA版本
访问NVIDIA官方网站上的CUDA下载页面,依据个人开发环境需求挑选适合的操作系统、架构、发行版以及其他配置选项来获取相应的安装文件。如果目标是配合PyTorch使用,则应参照提供的`cuda、CUDAToolkit与pytorch对应的版本表格`选择兼容的CUDA版本。
#### 安装CUDA
完成下载之后按照提示执行安装程序,在此过程中可以选择自定义安装路径等设置项。值得注意的是,当涉及到驱动更新时应当谨慎操作以免影响现有图形显示效果或其他依赖于旧版驱动的应用程序运行状况。
#### 注册并登录至NVIDIA开发者计划
由于cudnn下载地址需要注册一个账号才能进行下载,建议创建一个新的账户或者利用已有邮箱快速完成验证过程。该步骤简单快捷,并不会耗费太多时间成本。
#### 获取匹配的cuDNN库
进入cuDNN官网后,根据之前已经成功部署好的CUDA版本号(例如这里的例子提到选择了CUDA 11.3),查表定位到相适应的cuDNN版本(如8.2.0或8.2.1)。注意这里强调的是整个系列而非单个小数位版本之间的严格对应关系,即只要大版本相同即可通用。
#### 解压并复制cuDNN文件
下载完成后得到压缩包形式的数据集,将其解压并将其中的内容分别拷贝到先前已有的CUDA目录下相应位置,通常涉及include头文件夹内的`.h`文件以及lib64共享对象下的动态链接库文件。
```bash
tar -xzvf cudnn-linux-x86_64-8.2.0.53_cuda11-archive.tar.xz
sudo cp cuda/include/cudnn*.h /usr/local/cuda/include/
sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*
```
#### 更新环境变量
最后一步是要确保系统的PATH和LD_LIBRARY_PATH包含了新加入的这些路径信息以便后续编译器能够正确识别加载所需的资源。可以通过编辑~/.bashrc或者其他shell profile脚本来实现持久化修改:
```bash
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
source ~/.bashrc
```
阅读全文
相关推荐
















