如何在ubuntu系统上安装多个cudn环境第二版本的cuda的安装cuda的切换设置对应cudnn的安装安装pytorch及torchvision后话转载请注明出处在跑模型的时候报错说缺乏函数，查了下相关任务发现是版本问题

TensorFlow依赖于特定版本的CUDA和cuDN

1.基本容器准备1.1拉取cudn镜像网址：nvidia/cudaTags|DockerHub建议直接拉取cuda+cudnn版本，选择自己想要的版本即可。

首先安装cuda11.2和cudn8.1.0版本我是在官网下载并一步步正常安装，注意！！如果安装了多个cuda版本最后一定要检查是否调用的11.2。下载知乎大神编译好的t

我安装的为3.9.7的python，对应2.6.0的tensorflow安装过程分为：更新驱动NVIDIA,安装cuda和cudn

Swin-Transformer-Object-Detection2MMdetection系列版本mmdetection3、MMDetection和MMCV兼容版本4、Installation（Linux系统环境安装）1、pytorch与cudn

0.2.1cudatoolkit:10.1基础镜像我选用的基础镜像为：registry.cn-huhehaote.aliyuncs.com/lumo/pytorch-with-tensorboard:1.5.1-cuda10.1-cudn

3、Installation（Linux系统环境安装）1、创建虚拟环境并安装pytorch（Step1.Createacondaenvironmentandactivateit）1、pytorch与cudn

查看方法二：由此可以看出本电脑最高适配cuda11.2.1版本；注意需要版本适配，这里我们选择TensorFlow-gpu=2.5，cuda=11.2.1，cudnn=8.1，python3.7接下来可以下载cudn

前提：如果需要使用GPU加速运算，一定要求有Nvidia显卡的电脑/笔记本步骤：（1）查看自己的GPU编号，详见附录文件。在电脑属性，设备管理器的显示适配器中。2）选择适合GPU的Driver，CUDA，cuDNN并安装注意：1.GPU型号决定了Diriver,Driver决定了cuda,cuda决定了cudnn。先选择安装Driver,然后安装cuda,最后只需要将解压以后的cudnn相应文件放

查看方法二：由此可以看出本电脑最高适配cuda11.2.1版本；注意需要版本适配，这里我们选择TensorFlow-gpu=2.5，cuda=11.2.1，cudnn=8.1，python3.7接下来可以下载cudn

文章目录环境配置Anaconda-Python3.9——开源的Python发行版本Anaconda的安装Conda——包含在Anaconda中CUDA和CUDNN——GPU复杂计算架构和DNN加速库对CUDN

目录前言一）查看GPU是否支持CUDN二）下载CUDA三）下载cuDNN四）设置环境变量五）下载并安装Anaconda六）设置TensorFlow工作环境七）确认TensorFlow安装完成如果对你有帮助的话

NVIDIADeveloperhttps://developer.nvidia.cn/cuda-11.1.1-download-archive依次选择：Windows-x86_64-10-exe(local)2.cuDN

Ubuntu20.043060显卡cuda11.1cudnn8.0.5python3.6tensorflow1.15其中python版本和tensorflow版本是固定的简陋的目录安装显卡驱动安装cuda安装cudn

安装虚拟机第二步：虚拟机中安装ubantu系统第三步：ubantu系统安装anaconda3第四步：安装pytorchgpu版本1、使用anaconda创建新环境2、在环境中安装pytorchgpu、cudn

GPU显存设置有问题，需要设置为仅在需要时申请显存。importtensorflowastfconfig=tf.compat.v1.ConfigProto(gpu_options=tf.compat.v1.GPUOptions(allow_growth=True))sess=tf.compat.v1.Session(config=config)

cudnn开头的都复制过去）修改libtorch/share/cmake/Caffe2/public/cuda.cmakeatline148替换:file(READ${CUDNN_INCLUDE_PATH}/cudn

0.2.1cudatoolkit:10.1基础镜像我选用的基础镜像为：registry.cn-huhehaote.aliyuncs.com/lumo/pytorch-with-tensorboard:1.5.1-cuda10.1-cudn

Windows端CUDA10.2+CUDNN8环境搭建forPytorch1.71.CUDA下载安装1.1查看自己的显卡1.2显卡驱动下载及安装1.3显卡驱动安装检测1.4CUDN下载1.5CUDN安装

(1)环境配置：先说现有环境：ubuntu20.04/2080ti/nvidiaDriverversion：显卡驱动：440.82cuda10.0+cudnn+7.4.5因为需要安装pytorch-gpu，查看官网在线安装（太慢，不推荐）:https://pytorch.org/get-started/locally/并没有符合cuda10.0的在线版本。尝试cuda9.2，但是太慢了都慢。所以直

-深度学习deeplearning提炼笔记–神经网络基础声明本文为学习吴恩达老师所做的笔记，电脑搭载的环境为opencv-python3.7+pycharm+keras+tensorflow-gpu+cudn

-cudnn7-devel-ubuntu18.04#深度学习基础镜像（自带cudnn）#cuda版本根据自己电脑上cuda版本来事先拉取镜像例如：dockerpullnvidia/cuda:10.0-cudn

importcv2fromPILimportImageimportnumpyasnpfromtqdmimporttqdm,tqdm_notebookimporttorchtorch.manual_seed(0)torch.backends.cudn

亮点：-cuDNNv5卷积支持（cuDN

安装心得：注意cudn的版本是否支持运行，如果不支持的话换一个新版的安装。为了防止出现各种问题，建议在anaconda的根目录中的envs下建立一个文件夹，然后激活该文件夹的环境，在这里面安装。

developer.nvidia.com/rdp/cudnn-archive#a-collapse51bKN8CaP%2BrFX5XyIL9C8sxSFAfynWAx4RlF1WrsxI&rqlang=cn2.tensorflow、cudn

本文不会介绍cuDN

本机关键配置System:Ubuntu16.04GPU:TitanXwithCuda9.0Cudn

（坑了许久，原来是我的机子没有装对nvidia驱动，所以装不了cudatoolkit）(安装cudn

cat/usr/local/cuda/version.txt第二部分.查看cudnn版本cat/usr/local/cuda/include/cudnn.h|grepCUDNN_MAJOR-A23.进行cudn

目录前言CUDN10的安装一、去官网进行下载：二、打开下载的exe文件进行安装三、测试是否安装成功cuDNN安装一、去官网下载：二、cuDNN目录移动到CUDN目录三、设置环境变量这篇特别建议同学们去看

安装cudnncudnn官方的安装指南即将下载的cudnn安装包解压后，将对应的文件放入cudn的文件中例如：将bin中的cudnn6

[Trackingonly]关于GPU显卡配置、cudn和cudnn安装可以参考Ubuntu16.0下安装显卡驱动、cuda10.0、cudnn的活生生案例1

1.显卡（GPU）是否支持CUDNhttps://developer.nvidia.com/cuda-gpus2.了解基础知识1）CUDA（ComputeUnifiedDeviceArchitecture），是显卡厂商NVIDIA推出的运算平台。CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。计算行业正在从只使用CPU的“中央处理”向CPU与GPU并用的

个人微信公众号：AI研习图书馆，欢迎关注~深度学习知识及资源分享，学习交流，共同进步~1.测试模型环境：Ubuntu16.04LTS+caffe+cudn8进入caffe目录：cdcaffe（1）在terminal

第一步，安装cudn和cudnn，内容较长请看我的另外一篇博客文章。

cuda对照4.2deb版安装cuda9.0nvdia3904.2.1下载4.2.2配置环境4.3run版安装10.0.130nvidia430.504.3.1安装cuda4.3.2设置环境变量5安装cudn

然后确定自己要安装的是什么版本的TensorFlow，因为不同的版本对cuda和cudn

主要包括Nvidia显卡安装，CUDN10.1安装，CUDNN7.6.5安装，pycharm20190204破解安装，anaconda3安装，tensorflow2.0gpu，pytorch安装Nvidia

安装显卡驱动下载驱动禁用ubuntu系统自带显卡驱动安装新驱动查看是否安装成功三、安装CUDA下载CUDA退出图形界面安装CUDA报错：空间不足错误：安装CUDA后nvidia-smi命令出错查看是否安装成功四、安装CUDN

1.环境ubuntu16.04cuda10tensorflow1.13.2web.py==0.40.dev0（这两个比较重要，不然会报好多奇怪的错）说明tensorflow必须1.13版本，低了不支持cudn10

/configure根据提示配置一下环境变量这个官网上有类似的，对于环境变量的配置可以参考官网，要GPU的话要下载nvidia驱动的尽量装最新版的驱动吧还有cudn

Tensorflow_gpu1.14.0GPU版本pipinstall-ihttps://pypi.tuna.tsinghua.edu.cn/simpletensorflow-gpu==1.14这里选择清华源是因为下载速度很快然后安装CUDN10.0

tensorflow-gpu1.12的安装一安装准备：win10+anaconda+tensorflow-gpu1.121.anaconda（已经安装就不用管了）2.github上tensorflow下载3.百度搜索CUDN4

（1）本机配置CUDA9.0,CUDNN7.1.2Anaconda5.2.0linux下查cuda,cudnn版本的方法：①cudacat/usr/local/cuda/version.txt②cudn

CPU、GPU、CUDA，CuDNN简介Deepfake技术教学，现场教你用深度学习换一张脸Floyd学习nvidiadriver、CUDN、CUDNNhomebrew配置Fa

一、下载安装cuda、cudn参考链接：https://blog.csdn.net/fengxinzioo/article/details/105646969二、下载安装opencv本人下载的是没有contrib

1.安装CUDN10.0必须安装10.0版本的，tf2.0只适合10.0版本的，其他的不行。我安装

2查看自己电脑支持CUDN版本桌面右击NVIDIA控制面板点击左下角系统信息系统信息可以看到NVCUDA.DLL这一栏，本机支持CUDA10.03安装这个VisualStudio20154下载CUD