广州企业网站设计,上传网站空间,广州今天新闻,制作营销网页Nvidia显卡驱动、CUDA、cuDNN、Anaconda及Tensorflow-GPU版本 一、确定版本关系二、安装过程1.安装显卡驱动2、安装CUDA3、安装cudnn4、安装TensorFlow5、安装pytorch 三、卸载 一、确定版本关系
TensorFlow Pytorch推出cuda和cudnn的版本#xff0c;cuda版本推出驱动可选版本… Nvidia显卡驱动、CUDA、cuDNN、Anaconda及Tensorflow-GPU版本 一、确定版本关系二、安装过程1.安装显卡驱动2、安装CUDA3、安装cudnn4、安装TensorFlow5、安装pytorch 三、卸载 一、确定版本关系
TensorFlow Pytorch推出cuda和cudnn的版本cuda版本推出驱动可选版本
1、CUDA与显卡驱动 https://www.nvidia.com/Download/index.aspx 2、cuDNN Toolkit与CUDA版本 https://developer.nvidia.com/rdp/cudnn-archive 3、TensorFlow与CUDA cuDNN https://tensorflow.google.cn/install/source?hlen 4、Pytorch与CUDA cuDNN https://pytorch.org/
5、cudnn https://zhuanlan.zhihu.com/p/639184948 https://blog.csdn.net/Williamcsj/article/details/123514435
官方下载地址https://developer.nvidia.com/rdp/cudnn-archive
安装TensorFlow
安装依赖包 安装 TensorFlow 之前需要我们安装两个个依赖包这里我的 cuda 版本为 11.1cudnn 版本为 8.1.0下载依赖包为 libcudnn8_8.1.0.77-1cuda11.2_amd64.deb libcudnn8-dev_8.1.0.77-1cuda11.2_amd64.deb 官网链接如下https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/ 这里我使用 wget 下载 参考链接https://blog.csdn.net/weixin_46584887/article/details/122726278 官方教程https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html
二、安装过程
参考 https://blog.csdn.net/m0_45447650/article/details/132058561 https://blog.csdn.net/weixin_46584887/article/details/122726278
1.安装显卡驱动
方法1在线安装
1. 卸载旧版本nvidia驱动
如果没有安装nvidia驱动可直接跳过。$ sudo apt purge nvidia*
1
2. 把显卡驱动加入PPA
$ sudo add-apt-repository ppa:graphics-drivers
$ sudo apt update
1
2
3. 查找版本库中显卡驱动
使用以下命令查看系统版本库中所有nvidia驱动的信息根据需要选择合适的版本。$ sudo apt-cache search nvidia
1
推荐使用以下命令查看Ubuntu推荐的驱动版本从中选择合适的版本。$ ubuntu-drivers devices
参考链接https://blog.csdn.net/qq_28256407/article/details/115548675方法2下载安装 https://www.nvidia.com/Download/index.aspx
可以参考https://blog.csdn.net/Perfect886/article/details/119109380之前是run文件现在是def文件Debian安装命令一般sudo dpkg -i 命令。 例如sudo dpkg -i cuda-repo--X-Y-local_*_x86_64.deb
2、安装CUDA
方法一用run方式可以选择是否安装驱动一般不选 https://developer.nvidia.com/cuda-downloads? 选择是否安装https://zhuanlan.zhihu.com/p/501473091 配置环境
配置环境
gedit ~/.bashrc
在打开的文件中添加
export CUDA_HOME/usr/local/cuda-11.1
export LD_LIBRARY_PATH${CUDA_HOME}/lib64
export PATH${CUDA_HOME}/bin:${PATH}
链接https://blog.csdn.net/qq_39821101/article/details/116092190方法二官方教程https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html# 参考https://blog.csdn.net/qq_39821101/article/details/116092190 https://blog.csdn.net/m0_45447650/article/details/132058561
3、安装cudnn
1下载安装cudann https://developer.nvidia.com/rdp/cudnn-archive
2 安装deb文件安装 TensorFlow 之前需要我们安装两个个依赖包 官方下载地址https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/
使用如下语句依次安装debain命令Ubuntu也可以 sudo dpkg -i libcudnn8_8.0.3.33-1cuda11.0_amd64.deb sudo dpkg -i libcudnn8-dev_8.0.3.33-1cuda11.0_amd64.deb sudo dpkg -i libcudnn8-samples_8.0.3.33-1cuda11.0_amd64.deb
Ubuntu命令作为参考
执行以下命令
sudo apt install ./cudnn-local-repo-ubuntu2004-*amd64.deb
sudo cp /var/cudnn-local-repo-ubuntu2004-8.4.1.88/cudnn-local-4B348671-keyring.gpg /usr/share/keyrings/
sudo apt update
#下面自动匹配版本注意版本不对会出错
sudo apt install libcudnn8
sudo apt install libcudnn8-dev
sudo apt install libcudnn8-samples参考https://zhuanlan.zhihu.com/p/126997172 https://zhuanlan.zhihu.com/p/639184948
4、安装TensorFlow
pip install -i https://mirrors.aliyun.com/pypi/simple tensorflow
#2查看cuda是否可用
import tensorflow as tf
print(tf.test.is_gpu_available())#如果结果是True表示GPU可用5、安装pytorch
pip3 install torch torchvision torchaudio
import torch
print(torch.__version__)
print(torch.cuda.is_available())三、卸载
1. 卸载旧版本nvidia驱动
如果没有安装nvidia驱动可直接跳过。
$ sudo apt purge nvidia*2、卸载cuda
#只执行这条可以
sudo apt-get autoremove nvidia-cuda-toolkitcd /usr/local/cuda-11.1/bin
sudo ./cuda-uninstaller
sudo rm -rf /usr/local/cuda-11.1
从https://developer.nvidia.com/cuda-toolkit-archive下载对应版本的cuda
如果你之前执行过sudo apt-get install nvidia-cuda-toolkit,需要卸载sudo apt-get autoremove nvidia-cuda-toolkitsudo apt-get install nvidia-cuda-toolkit
# 卸载
sudo apt-get autoremove nvidia-cuda-toolkit
在终端输入
nvcc -V
没有cuda版本信息则卸载成功
链接https://blog.csdn.net/qq_39821101/article/details/1160921903、卸载cudnn
查询
sudo dpkg -l | grep cudnn
将其全部卸载
sudo dpkg -r libcudnn8-samples
sudo dpkg -r libcudnn8-dev
sudo dpkg -r libcudnn8检查
输入下面指令后没有任何输出即卸载成功。
sudo dpkg -l | grep cudnn
接https://blog.csdn.net/Williamcsj/article/details/123514435
