Ubuntu 20.04 RTX 4090显卡 深度学习环境配置（Nvidia显卡驱动、CUDA11.6.0、cuDNN8.5） |
您所在的位置：网站首页 › 显卡驱动416W7能不能用 › Ubuntu 20.04 RTX 4090显卡 深度学习环境配置（Nvidia显卡驱动、CUDA11.6.0、cuDNN8.5） |
Ubuntu 20.04 RTX 4090显卡 深度学习环境配置（Nvidia显卡驱动、CUDA11.6.0、cuDNN8.5）
|
Ubuntu 20.04 RTX 4090显卡 深度学习环境配置（Nvidia显卡驱动、CUDA11.6.0、cuDNN8.5）
一、安装Nvidia显卡1.1 输入显卡型号查看支持显卡驱动的版本1.1.1 英伟达中国驱动官网1.1.2 输入显卡型号查询1.1.3 查看搜索结果
1.2 下载安装Nvidia1.2.1 方法一1.2.1 方法二
二、安装CUDA11.6.02.1 检测自己电脑GPU是否兼容CUDA（N卡支持）2.2 进入CUDA官网2.3 下载安装CUDA11.6.02.4 安装CUDA11.6.0后的配置2.5 利用测试CUDA的samples来测试cuda安装是否成功
三、安装cuDNN v8.5.0 (August 8th, 2022), for CUDA 11.x3.1 打开官网使用邮箱注册（我用的qq邮箱）3.2 下载 cuDNN v8.5.0 (August 8th, 2022), for CUDA 11.x3.3 安装 cuDNN v8.5.0 (August 8th, 2022), for CUDA 11.x3.4 验证安装
一、安装Nvidia显卡
参考文献：从零到一保姆级Ubuntu深度学习服务器环境配置教程 看文献中“三、 NVIDIA驱动安装” 安装NVIDIA驱动，这也是安装CUDA10.0及其对应版本的CuDNN和tensorflow的重要步骤。 1.1 输入显卡型号查看支持显卡驱动的版本 1.1.1 英伟达中国驱动官网进入英伟达中国驱动官网
直接在Ubuntu系统中的soft updates中安装525-server（专有）版本 自己试一下，我没用下面的方法。 参考文献：在ubuntu安装nvidia驱动 (亲测有效，这是方法二) 参考文献：在ubuntu安装nvidia驱动（亲测有效，这是方法一）) 二、安装CUDA11.6.0参考文献：ubuntu18.04安装nvidia_driver_510+cuda_11.6+cudnn_11.x 参考文献：从零到一保姆级Ubuntu深度学习服务器环境配置教程 2.1 检测自己电脑GPU是否兼容CUDA（N卡支持） lspci | grep -i nvidia显示compatible兼容 CUDA官网:https://developer.nvidia.com/cuda-toolkit-archive 我比较习惯把一些下载安装同一个文件夹“software” 第一步：home 下新建文件 cd # 返回home目录 mkdir software # 新建 software文件夹第二步：后续在software文件夹下载的CUDA11.6.0安装包 wget https://developer.download.nvidia.com/compute/cuda/11.6.0/local_installers/cuda_11.6.0_510.39.01_linux.run第三步（可省略）：给run文件权限 sudo chmod 777 cuda_11.6.0_510.39.01_linux.run第四步：运行run文件（–override：表示覆盖替换文件意思） sudo sh cuda_11.6.0_510.39.01_linux.run --override等待后续： （1）选择continue 第一步：配置相关环境变量。 （1）打开~/.bashrc文件，代码如下： sudo vim ~/.bashrc（2）将以下内容写入到~/.bashrc尾部，并保存成功。 export CUDA_HOME=/usr/local/cuda export PATH=$PATH:$CUDA_HOME/bin export LD_LIBRARY_PATH=/usr/local/cuda-11.6/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}（3）保存，退出。终端执行 source ~/.bashrc后续可根据意愿进行，我也不确定。 参考文献：ubuntu18.04安装nvidia_driver_510+cuda_11.6+cudnn_11.x 第二步：利用vim命令打开在/etc/profile文件中，添加CUDA环境变量，代码如下： (1) sudo vim /etc/profile(2)打开文档都在文档结尾加上下面两句： PATH=/usr/local/cuda/bin:$PATH export PATH(3)保存后, 执行下列命令, 使环境变量立即生效，代码如下： source /etc/profile第三步：同时添加lib库路径，在 /etc/ld.so.conf.d/新建文件 cuda.conf，命令如下： （1） sudo vim /etc/ld.so.conf.d/cuda.conf（2）在文中加入下面内容： /usr/local/cuda/lib64（3）执行下列命令使之立刻生效，代码如下： sudo ldconfig 2.5 利用测试CUDA的samples来测试cuda安装是否成功 cd /usr/local/cuda-11.6/samples/1_Utilities/deviceQuery sudo make ./deviceQuery一般都会面临如下问题： 11.6版本cuda的安装目录/usr/local/cuda-11.6/samples里只有一个txt文件，大致意思是告诉你新版本的cuda，samples中内容需要自己在github下载。 解决方法： 第一步：下载测试示例 （1）切换到/usr/local/cuda-11.6/samples目录下 cd /usr/local/cuda-11.6/samples/（2）github下载 git clone https://gitee.com/liwuhaoooo/cuda-samples.git大概率无权访问，此时在cuda-11.6文件夹下打开终端 su 输入密码切换超级用户 chmod 777 samples再次执行git clone 就可以了。 第二步：找到1_Utilities/deviceQuery文件夹 （1）切换到deviceQuery文件夹下 （3）显示pass 注意： 参考文献：从零到一保姆级Ubuntu深度学习服务器环境配置教程 3.1 打开官网使用邮箱注册（我用的qq邮箱）看参考文献（cuDNN部分）：从零到一保姆级Ubuntu深度学习服务器环境配置教程 3.2 下载 cuDNN v8.5.0 (August 8th, 2022), for CUDA 11.x
参考文献：Ubuntu20.04安装Nvidia显卡驱动、CUDA11.5、cuDNN8.3、Anaconda及Tensorflow-GPU版本详细图文操作教程 第一步：查看官方安装方法 Nvidia官方安装教程：https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html 第二步：安装 （1）切换到下载路径 cd ~/software（2）解压 tar -xvf cudnn-linux-x86_64-8.5.0.96_cuda11-archive.tar.xz（3）成功提取文件后不用管它，直接执行下面命令（不用修改，没有版本号之类） sudo cp cudnn-*-archive/include/cudnn*.h /usr/local/cuda/include sudo cp -P cudnn-*-archive/lib/libcudnn* /usr/local/cuda/lib64 sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn* 3.4 验证安装 cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
|
注意： 
(2)输入：accept 
(3)选项条款选择 “Enter”按键选中或者取消 前面已经安装过Nvidia显卡525，此处不需要Driver（前两个都取消）（X代表选中） 最后，Install，等待完成 
（2）运行
同样，下载之后放在software文件夹中。
完全按照官方操作即可，大概意思是将文档中的X.Y修改成CUDA版本号、v8.x.x.x修改成cuDNN版本号，这里我们将X.Y改为11.5、v8.x.x.x修改为8.3.2.44，同学们参照修改就可以了。
【本文地址】
今日新闻 |
推荐新闻 |