Ubuntu下CUDA和cudnn的安装

１、安装ＣＵＤＡ１、下载https://developer.nvidia.com/cuda-downloads（1）大概是下面这个样子，按照自己的平台来选,然后下载那个.run文件就行。注意，这里有几个包，都下下来。准备工作已经做完，这时候，你已经知道了你需要的驱动信息并且下载了几个cuda的run文件。（2）你自己可以建个文件夹，然后在文件夹中输入上命令下载：sudo wget http://d

冰雪棋书

17656人浏览 · 2021-12-09 17:24:34

冰雪棋书 · 2021-12-09 17:24:34 发布

１、安装ＣＵＤＡ

１、下载

https://developer.nvidia.com/cuda-downloads

（1）大概是下面这个样子，按照自己的平台来选,然后下载那个.run文件就行。
在这里插入图片描述

注意，这里有几个包，都下下来。准备工作已经做完，这时候，你已经知道了你需要的驱动信息并且下载了几个cuda的run文件。
（2）你自己可以建个文件夹，然后在文件夹中输入上命令下载：

sudo wget http://developer.nload.nvidia.com/compute/cuda/10.1/Prod/local_installers/cuda_10.1.243_418.87.00_linux.run$:sudo

2、安装

直接安装cuda，进到下载好的cuda的run文件目录运行如下指令：sudo sh cuda~~~.run

在这里插入图片描述

注意：

（1）执行后会有一些提示让你确认，在第３个提示的地方，有个让你选择是否安装驱动时（Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81?），选择否：因为前面我们已经安装了新的驱动，所以这里不要选择安装。
在desktop版本下会出现如下界面：
在这里插入图片描述同样地，由于我之前已经安装了Nvidia的显卡驱动，这里不安装driver，那么只需要移动到Driver，按enter键，将＂［］＂中的Ｘ去掉即是不选择．然后在Install。

（2）其余的都直接默认或者选择是即可。

然后安装的时候会比你预想的要快很多。。。安装成功之后，会出来类似于下面形式的提示：
在这里插入图片描述

然后继续把接下来的几个补丁也安装上,安装路径使用默认的路径就行了。

sudo sh cuda_9.0.176.1_linux.run

sudo sh cuda_9.0.176.2_linux.run

sudo sh cuda_9.0.176.3_linux.run

到这里，你已经安装成功CUDA了，最后，还要多配置一下环境变量：

sudo vim ~/.bashrc 来编辑.bashrc配置文件，到文件最后，写入下面几句话（直接复制就行）

export  PATH=/usr/local/cuda-9.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64:$LD_LIBRARY_PATH

最后使其生效：

source ~/.bashrc

好了，重启一下

sudo reboot

现在你已经重启了机子了，要是没有出现很多人遇到的在登录界面进不去的情况的话，就恭喜你了。来个自带的例子测一下。

  cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery

  sudo make

   ./deviceQuery

出现了下面的你的GPU的一些信息的话，就是真的安装成功了。
在这里插入图片描述

到这里，CUDA就安装成功了，其实不算是很难，注意一些情况就行了

3、查看cuda版本

nvcc --version 或者 nvcc -V

或者

cat /usr/local/cuda/version.txt

4、查看GPU使用情况

watch -n 1 nvidia-smi

nvcc -v & nvidia-smi 的区别

CUDA有两种API：
一个是驱动API（Driver Version），依赖NVIDIA驱动，由nvidia-smi查看，nvidia-smi 的结果除了有GPU驱动版本型号，还有CUDA Driver API的型号;
另一个是运行API（Runtime Version）是软件运行所需要的。
一般驱动API版本>=运行API版本即可。
遇到两者不一致问题，需要确定版本是否兼容。如果不兼容，解决方案是更改Runtime API，具体方法是安装对应Driver API版本的cuda.。

2、安装cudnn

1、下载

cuDNN深度学习加速的一些库。
下载：https://developer.nvidia.com/rdp/cudnn-download
可能要自己注册一下，之后下载其中的cuDNN v5.1 Library for Linux，下图中的第三个就是了。
在这里插入图片描述

下载的时候发现是一个压缩包，下完之后解压
解压出来是一个cuda文件夹，进去有两个文件夹，如下图
在这里插入图片描述或者指令解压：

tar -xzvf cudnn-10.1-linux-x64-v7.6.3.30.tgz

2、安装

（提示：接下来的步骤命令直接复制就行，后面有讲解，复制方便一些）
下载完cudnn5.0之后进行解压，cd进入cudnn5.1解压之后的include目录，在命令行进行如下操作：

sudo cp cuda/include/cudnn.h /usr/local/cuda/include/ #复制头文件

再将cd进入lib64目录下的动态文件进行复制和链接：

sudo cp cuda/lib64/lib* /usr/local/cuda/lib64/ #复制动态链接库

 cd /usr/local/cuda/lib64/

sudo rm -rf libcudnn.so libcudnn.so.5 #删除原有动态文件

sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5 #生成软衔接

sudo ln -s libcudnn.so.5 libcudnn.so #生成软链接

执行完之后，cuDNN算是安装完成了。

可能问题：

/sbin/ldconfig.real: /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_ops_train.so.8 is not a symbolic link

/sbin/ldconfig.real: /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_adv_train.so.8 is not a symbolic link

/sbin/ldconfig.real: /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_cnn_infer.so.8 is not a symbolic link

/sbin/ldconfig.real: /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_ops_infer.so.8 is not a symbolic link

/sbin/ldconfig.real: /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_cnn_train.so.8 is not a symbolic link

/sbin/ldconfig.real: /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_adv_infer.so.8 is not a symbolic link

/sbin/ldconfig.real: /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn.so.8 is not a symbolic link
解决方法

sudo ln -sf /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_ops_train.so.8.0.2 /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_ops_train.so.8
sudo ln -sf /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_adv_train.so.8.0.2 /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_adv_train.so.8
sudo ln -sf /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_cnn_infer.so.8.0.2 /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_cnn_infer.so.8
sudo ln -sf /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_ops_infer.so.8.0.2 /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_ops_infer.so.8
sudo ln -sf /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_cnn_train.so.8.0.2 /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_cnn_train.so.8
sudo ln -sf /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_adv_infer.so.8.0.2 /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn_adv_infer.so.8
sudo ln -sf /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn.so.8.0.2 /usr/local/cuda-11.1/targets/x86_64-linux/lib/libcudnn.so.8

sudo ln -sf /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_ops_train.so.8.0.3 /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_ops_train.so.8 && \
sudo ln -sf /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_adv_train.so.8.0.3 /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_adv_train.so.8 && \
sudo ln -sf /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_cnn_infer.so.8.0.3 /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_cnn_infer.so.8 && \
sudo ln -sf /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_ops_infer.so.8.0.3 /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_ops_infer.so.8 && \
sudo ln -sf /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_cnn_train.so.8.0.3 /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_cnn_train.so.8 && \
sudo ln -sf /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_adv_infer.so.8.0.3 /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_adv_infer.so.8 && \
sudo ln -sf /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn.so.8.0.3 /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn.so.8 && \
sudo ln -sf /usr/lib/x86_64-linux-gnu/libcuda.so.450.66 /usr/lib/x86_64-linux-gnu/libcuda.so

ln -sf /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_ops_train.so.8.0.3 /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_ops_train.so.8 && \
ln -sf /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_adv_train.so.8.0.3 /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_adv_train.so.8 && \
ln -sf /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_cnn_infer.so.8.0.3 /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_cnn_infer.so.8 && \
ln -sf /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_ops_infer.so.8.0.3 /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_ops_infer.so.8 && \
ln -sf /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_cnn_train.so.8.0.3 /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_cnn_train.so.8 && \
ln -sf /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_adv_infer.so.8.0.3 /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn_adv_infer.so.8 && \
ln -sf /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn.so.8.0.3 /usr/local/cuda-10.2/targets/x86_64-linux/lib/libcudnn.so.8

ubuntu终端一次多条命令方法和区别
1.每个命令之间用;隔开：各个命令都会执行，但不保证每个命令都执行成功。
2.每个命令之间用&&隔开：若前面的命令执行成功，才会去执行后面的命令。保证所有的命令执行完毕后，执行过程都是成功的。
3.每个命令之间用||隔开：||是或的意思，只有前面的命令执行失败后才去执行下一条命令，直到执行成功一条命令为止。

安装剩下的三个.deb文件：

#Install the runtime library, for example:
sudo dpkg -i libcudnn7_7.6.3.30-1+cuda10.1_amd64.deb

#Install the developer library, for example:
sudo dpkg -i libcudnn7-dev_7.6.3.30-1+cuda10.1_amd64.deb

#Install the code samples and the cuDNN Library User Guide, for example:
sudo dpkg -i libcudnn7-doc_7.6.3.30-1+cuda10.1_amd64.deb

3、查看版本

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

4、实例测试

#Copy the cuDNN sample to a writable path.
cp -r /usr/src/cudnn_samples_v7/ $HOME

#Go to the writable path.
cd  $HOME/cudnn_samples_v7/mnistCUDNN

#Compile the mnistCUDNN sample.
make clean && make

#Run the mnistCUDNN sample.
./mnistCUDNN