cuda12.8安装cudnn
时间: 2025-03-05 13:40:49 浏览: 455
### 如何在 CUDA 12.8 上安装 cuDNN
#### 准备工作
为了确保顺利安装 cuDNN,在开始之前需确认已成功安装对应版本的 CUDA 工具包。对于本案例中的环境,已经选择了 CUDA Toolkit 12.8.0 版本[^1]。
#### 下载 cuDNN 库
访问 NVIDIA 的官方网站并登录账户(如果尚未注册,则先创建一个开发者账号)。进入 cuDNN 页面后,依据所使用的 CUDA 版本来挑选合适的 cuDNN 发行版。鉴于当前环境中采用的是 CUDA 12.8,因此应下载与之兼容的最新 cuDNN 版本。
#### 安装过程
完成下载之后,解压 tar 文件到指定目录下:
```bash
tar -xzvf cudnn-12.x-linux-x64-v*.tgz
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*
```
上述命令会将头文件复制至 `/usr/local/cuda/include` 路径,并把共享库放置于 `/usr/local/cuda/lib64` 中,同时赋予读取权限给所有用户。
#### 更新环境变量
编辑 `~/.bashrc` 或者其他 shell 配置文件来更新 PATH 和 LD_LIBRARY_PATH 变量,以便系统能够找到新安装的 cuDNN 库:
```bash
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH
source ~/.bashrc
```
这一步骤使得终端重启或重新加载配置文件后生效新的路径设置。
#### 验证安装
最后通过运行简单的 Python 测试脚本来验证 cuDNN 是否被正确识别和支持:
```python
import tensorflow as tf
print("TensorFlow version:", tf.__version__)
print("Is built with CUDA:", tf.test.is_built_with_cuda())
print("Is built with cuDNN:", tf.test.is_built_with_cudnn())
```
这段代码片段用于检测 TensorFlow 对 CUDA 和 cuDNN 支持情况;当然也可以利用 PyTorch 进行类似的检验操作。
阅读全文
相关推荐


















