CUDA、cuDNN免安装方法

每次部署环境时都要安装CUDA、cuDNN，并确保tensorflow与CUDA、cdDNN版本对应，这些操作真心繁琐且枯燥。思考了一下，从应用调用层面出发：

export LD_LIBRARY_PATH=`pwd`:/usr/local/cuda9.0

采用命令模型运行时，我们大部分应用都是采用上述的环境变量形式注册动态库；若IDE是pycharm，只要在‘Edit Configurations’中‘Defaults’选项中选择‘Python’，将上面的代码复制到‘Environment variables’中即可。

然后我们下载CUDA、cuDNN动态库，可以复制别人安装好的so文件即可，只要6个so文件即可：

libcublas.so.9.0.103
libcudart.so.9.0.103
libcudnn.so.7.1.4
libcufft.so.9.0.103
libcurand.so.9.0.103
libcusolver.so.9.0.103

文件名称的so后面是版本号。如图我拷贝了CUDA9.0.103+cuDNN7.1.4

将上图的cuda9.0文件夹拷贝到新机器的‘usr/local/’文件夹中，在终端运行run.sh脚本自动生成软链接，这样新机器就可以的CUDA、cdDNN就配置好了。

贴下run.sh脚本代码：

#!/bin/bash
# 动态库
so=(
`pwd`/libcublas.so.9.0.103
`pwd`/libcudart.so.9.0.103
`pwd`/libcudnn.so.7.1.4
`pwd`/libcufft.so.9.0.103
`pwd`/libcurand.so.9.0.103
`pwd`/libcusolver.so.9.0.103
)
# 软链接
link=(
`pwd`/libcublas.so.9.0
`pwd`/libcudart.so.9.0
`pwd`/libcudnn.so.7
`pwd`/libcufft.so.9.0
`pwd`/libcurand.so.9.0
`pwd`/libcusolver.so.9.0
)
# 删除旧的软连接
for link_f in ${link[*]}
do
  if [ -f $link_f ];then
  rm $link_f
  fi
done

# 创建新的软链接
for ((i=0;i<6;i++))
do
  echo ${so[${i}]}
  if [ -f ${so[${i}]} ];then
  ln -s ${so[${i}]} ${link[${i}]}
  fi
done

注意，若拷贝的版本号不一致需要在run.sh脚本中修改下版本号。

方法总结：

1、将CUDA、cuDNN的6个so文件复制到新机器的 /usr/local/cuda 目录下

2、在 /usr/local/cuda 目录下运行 run.sh 脚本生成软链接

3、配置环境变量：也就是一开始说的命令运行和pycharm运行的方式

提供一个so下载：CUDA9.0.103+cuDNN7.1.4

链接: https://pan.baidu.com/s/1aAXIkHgoI-liZlXPdosAbg

提取码: srnn

里面包含了run.sh脚本。