笔记--Ubuntu20.04安装Nvidia驱动、CUDA Toolkit和CUDA CuDNN

目录

1--安装Nvidia驱动

2--安装CUDA

2-1--禁用nouveau

2-2--选择CUDA Toolkit

2-3--下载和安装CUDA Toolkit

2-4--配置环境变量

2-5--测试是否安装成功:

3--安装CUDA CuDNN

4--测试pytorch能否使用Cuda


1--安装Nvidia驱动

① 查看可安装的Nvidia驱动版本:

ubuntu-drivers devices

笔记--Ubuntu20.04安装Nvidia驱动、CUDA Toolkit和CUDA CuDNN_第1张图片

② 安装相应版本的Nvidia驱动:

博主这里选择的是第一个,也可以安装推荐(recommended)的版本

sudo apt-get install nvidia-driver-515

安装过程中,一般要设置一个密码,这个密码在后面重启系统会用到!

③ 安装完成后,需要重启电脑:

reboot

重启电脑一般会弹出以下Perform MDK management界面:

笔记--Ubuntu20.04安装Nvidia驱动、CUDA Toolkit和CUDA CuDNN_第2张图片

选择第二个选项 Eroll MDK,输入第②步设置的密码后,会发现只剩下三个选项,选择第一个开机选项即可完成 Nvidia 驱动的安装;

④ 验证安装:

nvidia-smi

笔记--Ubuntu20.04安装Nvidia驱动、CUDA Toolkit和CUDA CuDNN_第3张图片

出现以上界面即为安装成功!

2--安装CUDA

2-1--禁用nouveau

① 查看黑名单

sudo gedit /etc/modprobe.d/blacklist.conf

② 在弹出的文本末尾添加黑名单

blacklist nouveau

③ 保存并重启

sudo update-initramfs -u
 
reboot

④ 测试是否禁用成功

lsmod | grep nouveau

无输出即禁用 nouveau 成功!

2-2--选择CUDA Toolkit

NVIDIA CUDA驱动版本下载地址:https://developer.nvidia.com/cuda-toolkit-archive

注:选择合适的版本进行安装,确保 CUDA Toolkit 的版本低于 Nvidia 驱动的版本!(这里博主的CUDA Toolkit 版本为465.19.01,低于安装的 Nvidia驱动 版本515.86.01,可以兼容和适配)

笔记--Ubuntu20.04安装Nvidia驱动、CUDA Toolkit和CUDA CuDNN_第4张图片

2-3--下载和安装CUDA Toolkit

① 根据2-2截图中的两条命令进行安装(第一个命令将下载CUDA Toolkit,第二个命令将安装CUDA Toolkit):

wget https://developer.download.nvidia.com/compute/cuda/11.3.1/local_installers/cuda_11.3.1_465.19.01_linux.run

sudo sh cuda_11.3.1_465.19.01_linux.run

笔记--Ubuntu20.04安装Nvidia驱动、CUDA Toolkit和CUDA CuDNN_第5张图片

在执行安装命令的时候,也许需要先执行以下命令:

sudo chmod +x cuda_11.3.1_465.19.01_linux.run

再执行安装命令:

sudo sh cuda_11.3.1_465.19.01_linux.run

accept 之后,不要安装驱动,因为之前我们已经安装了Nvidia驱动!

笔记--Ubuntu20.04安装Nvidia驱动、CUDA Toolkit和CUDA CuDNN_第6张图片

笔记--Ubuntu20.04安装Nvidia驱动、CUDA Toolkit和CUDA CuDNN_第7张图片

2-4--配置环境变量

sudo gedit ~/.bashrc

末尾添加以下两条路径:(由于博主安装的是 Cuda11.3,所以路径为cuda-11.3,这里需根据实际的安装版本和路径进行设定)

export PATH=/usr/local/cuda-11.3/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda11.3/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

笔记--Ubuntu20.04安装Nvidia驱动、CUDA Toolkit和CUDA CuDNN_第8张图片

更新系统变量:

source ~/.bashrc

2-5--测试是否安装成功:

nvcc -V

笔记--Ubuntu20.04安装Nvidia驱动、CUDA Toolkit和CUDA CuDNN_第9张图片

3--安装CUDA CuDNN

CUDA CuDNN下载地址:https://developer.nvidia.com/rdp/cudnn-archive

① 下载合适的CUDA CuDNN版本:(选择第二项x86 64进行下载)

笔记--Ubuntu20.04安装Nvidia驱动、CUDA Toolkit和CUDA CuDNN_第10张图片

② 解压安装包:

tar -xzvf cudnn-11.3-linux-x64-v8.2.1.32.tgz

笔记--Ubuntu20.04安装Nvidia驱动、CUDA Toolkit和CUDA CuDNN_第11张图片

③ 拷贝文件到cuda安装目录,并给予执行权限:

sudo cp -d cuda/include/cudnn*.h /usr/local/cuda/include
sudo cp -d cuda/lib64/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

④ 测试是否安装成功:

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

笔记--Ubuntu20.04安装Nvidia驱动、CUDA Toolkit和CUDA CuDNN_第12张图片

输出对应的版本号即为安装成功!

4--测试pytorch能否使用Cuda

pytorch下载地址:https://pytorch.org/

① 下载合适版本的 pytorch(这里博主选用的是基于 Cuda11.3 的 v1.12.0 版本);

conda install pytorch==1.12.0 torchvision==0.13.0 torchaudio==0.12.0 cudatoolkit=11.3 -c pytorch

② 验证Cuda可用性:

python

import torch

print(torch.cuda.is_available())

笔记--Ubuntu20.04安装Nvidia驱动、CUDA Toolkit和CUDA CuDNN_第13张图片

当输出为 True 时,表明 pytorch 安装成功,pytorch 可以使用 Cuda 进行加速,Nvidia驱动、CUDA Toolkit 和 CUDA CuDNN 等均安装成功!!!!

你可能感兴趣的:(Linux笔记,python,人工智能,深度学习)