显卡驱动+cuda+cudnn+paddle

相关配置:

显卡型号:RTX3080

linux型号:ubuntu18.04.5

一、显卡驱动安装

二、 cuda安装前准备

 1. 查看cuda版本对应的linux系统依赖关系

CUDA Toolkit Documentation官网: https://docs.nvidia.com/cuda/archive/

cuda11.2.1对应的要求:​​​​​​https://docs.nvidia.com/cuda/archive/11.2.1/cuda-installation-guide-linux/index.html

 显卡驱动+cuda+cudnn+paddle_第1张图片

 cuda11.2.2对应的要求:https://docs.nvidia.com/cuda/archive/11.2.2/cuda-installation-guide-linux/index.html

 显卡驱动+cuda+cudnn+paddle_第2张图片

2. 查看自己的ubuntu系统版本和linux内核版本

查看ubuntu系统版本

cat /etc/issue

  

查看linux内核版本、GCC版本

cat /proc/version #或者uname -a

可见,本机的linux内核是5.4.0,cuda11.2.2满足版本要求

如若都不满足要求,请考虑降级处理,但注意不要删除内核,采取内核共存切换的模式

显卡驱动+cuda+cudnn+paddle_第3张图片

三、 cuda安装

1. 下载安装包并安装

在官网下载需要的版本:https://developer.nvidia.com/cuda-toolkit-archive 

显卡驱动+cuda+cudnn+paddle_第4张图片

wget https://developer.download.nvidia.com/compute/cuda/11.2.2/local_installers/cuda_11.2.2_460.32.03_linux.run
2> sudo sh cuda_11.2.2_460.32.03_linux.run

2. 配置CUDA的环境变量

CUDA安装完成后,需要配置变量环境才能正常使用。首先在终端输入sudo gedit ~/.bashrc打开如下图所示的.bashrc文件。
然后,如下图所示在.bashrc文件的最后添加以下CUDA环境变量配置信息

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda

注意:上面的CUDA环境变量配置方法有很多,本文的配置方法中的cuda不要指定具体的版本,主要是为了电脑中多个CUDA版本的切换。 

最后,在终端输入source ~/.bashrc或者重新启终端使之生效。这时,我们就可以在终端输入nvcc -V查看CUDA的安装信息,如下图所示,至此CUDA安装成功。

显卡驱动+cuda+cudnn+paddle_第5张图片

3. CUDA测试

系统安装CUDA包括两个部分:NVIDIA CUDA GPU计算工具包和NVIDIA CUD示例包两个部分。
Ubuntu18.04系统会默认地将CUDA的NVIDIA GPU计算工具包安装到/usr/local/文件夹下面,可以看到该文件夹下多了两个文件夹cuda和cuda-11.2。

对CUDA安装是否成功,需要进入NVIDIA CUDA示例包,其位于/home/liang/NVIDIA_CUDA-11.0_Samples内,在该文件夹下打开终端,并输入make。然后进入1_Utilities/deviceQuery文件夹,并在终端执行./deviceQuery命令,如下result=PASS则表示安装成功。

显卡驱动+cuda+cudnn+paddle_第6张图片

 

四、cudnn安装

1. cudnn下载

下载链接:cuDNN Archive | NVIDIA Developer

显卡驱动+cuda+cudnn+paddle_第7张图片

注意:与自己的cuda版本以及平台相对应,本文下载的是linux平台的对应cuda11.2.2的cudnn8.1.1。
下载后解压,解压后一般目录为cuda,可重命名方便区分不同cudnn
执行命令:

tar zxvf cudnn-11.2-linux-x64-v8.1.1.33.tgz

2. cudnn安装

对下载的cudnn-11.2-linux-x64-v8.1.1.33.tgz进行解压操作,得到一个文件夹cuda,命令为:

tar -zxvf cudnn-11.2-linux-x64-v8.1.1.33.tgz

然后,使用下面两条指令复制cuda文件夹下的文件到/usr/local/cuda-11.0/lib64/和/usr/local/cuda-11.2/include/中。

cp cuda/lib64/* /usr/local/cuda-11.2/lib64/
cp cuda/include/* /usr/local/cuda-11.2/include/

拷贝完成后,我们可以使用如下的命令查看cuDNN的信息:

cat /usr/local/cuda-11.0/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

3. cudnn检测

从cuDNN Archive | NVIDIA Developer下载三个.deb格式的检测文件,如下图所示:

显卡驱动+cuda+cudnn+paddle_第8张图片

下载后对应以下文件: 

 显卡驱动+cuda+cudnn+paddle_第9张图片

  在终端输入如下命令安装下载的三个.deb格式的检测文件

dpkg -i libcudnn8-dev_8.1.1.33-1+cuda11.2_amd64.deb
dpkg -i libcudnn8-samples_8.1.1.33-1+cuda11.2_amd64.deb
dpkg -i libcudnn8_8.1.1.33-1+cuda11.2_amd64.deb

通过上面三条指令,cuDNN的测试文件会自动安装在系统的/usr/src/cudnn_samples_v8文件夹下,进入mnistCUDNN下,执行命令make clean && make

./mnistCUDNN

如果结果如下图所示,出现 Test passed! 代表 cudnn 正常使用,则表示cuDNN安装成功。

显卡驱动+cuda+cudnn+paddle_第10张图片

 五、按照以下步骤安装paddle

Linux下的Conda安装-使用文档-PaddlePaddle深度学习平台

你可能感兴趣的:(相关配置,paddle,深度学习,paddlepaddle)