cuda cudnn ubuntu

### 在Ubuntu上安装和配置CUDA与cuDNN 在Ubuntu系统中安装和配置CUDA与cuDNN需要遵循一系列步骤以确保环境的正确性。以下是详细的安装与配置方法： #### 1. 安装CUDA CUDA的安装可以通过官方提供的Runfile或Deb包完成。以下为两种方式的详细说明。 - **通过Runfile安装CUDA** 下载对应版本的CUDA Runfile并执行安装命令： ```bash wget https://developer.download.nvidia.com/compute/cuda/11.0.2/local_installers/cuda_11.0.2_450.51.05_linux.run sudo sh cuda_11.0.2_450.51.05_linux.run ``` 如果需要安装更高版本（如CUDA 11.7），可以使用以下命令[^2]： ```bash wget https://developer.download.nvidia.com/compute/cuda/11.7.0/local_installers/cuda_11.7.0_515.43.04_linux.run sudo sh cuda_11.7.0_515.43.04_linux.run ``` - **通过Deb包安装CUDA** 使用Deb包的方式更加适合长期维护，因为它可以通过APT工具进行管理： ```bash wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600 wget https://developer.download.nvidia.com/compute/cuda/11.7.0/local_installers/cuda-repo-ubuntu2004-11-7-local_11.7.0-515.43.04-1_amd64.deb sudo dpkg -i cuda-repo-ubuntu2004-11-7-local_11.7.0-515.43.04-1_amd64.deb sudo apt-key add /var/cuda-repo-ubuntu2004-11-7-local/7fa2af80.pub sudo apt-get update sudo apt-get -y install cuda ``` #### 2. 配置环境变量 安装完成后，需要配置环境变量以便系统能够识别CUDA路径。编辑`~/.bashrc`文件并添加以下内容： ```bash export PATH=/usr/local/cuda/bin:$PATH export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH ``` 保存后运行以下命令使配置生效： ```bash source ~/.bashrc ``` #### 3. 安装cuDNN cuDNN是深度学习框架的重要依赖库，通常需要手动下载并解压到CUDA目录下。 - **下载cuDNN** 登录NVIDIA开发者网站并下载与CUDA版本兼容的cuDNN库。 - **解压并复制文件** 将cuDNN文件解压后复制到CUDA目录下： ```bash 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* ``` - **验证安装** 检查cuDNN是否安装成功： ```bash cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 ``` #### 4. 测试CUDA与cuDNN 最后，测试CUDA与cuDNN是否正常工作。可以运行官方提供的示例程序或编写简单的代码进行验证： ```python import tensorflow as tf print(tf.config.list_physical_devices('GPU')) ``` 如果输出包含GPU信息，则表示CUDA与cuDNN安装成功。 --- ### 注意事项 - 确保系统已安装NVIDIA驱动，并且驱动版本与CUDA版本兼容[^3]。 - WSL环境下不建议安装CUDA，因为其内核支持有限[^4]。 - CUDA与cuDNN的版本需匹配，否则可能导致兼容性问题。 ---