CUDA(Compute Unified Device Architecture)是一种由NVIDIA推出的并行计算平台和应用程序接口,可用于加速GPU上的科学计算、深度学习、机器学习等工作负载。在Linux操作系统下,CUDA版本下载和安装可能相对较为复杂,需要一定的技术基础和操作指导。本文将为大家提供一份,帮助大家快速下载和安装CUDA。
一、CUDA下载
在下载CUDA之前,需要确定您所安装的Linux版本和NVIDIA显卡型号。请确保您的电脑上已安装了正确版本的NVIDIA显卡驱动程序。如果您尚未安装NVIDIA显卡驱动程序,请先下载合适的驱动程序,然后再安装CUDA。
您可以在以下网址中下载CUDA版本:
http://developer.nvidi/cuda-downloads
在网站中选择您需要下载的CUDA版本。请注意,不同的CUDA版本可能有不同的系统要求和显卡支持范围。在下载之前,请确保您已认真阅读了系统要求和显卡支持情况。
二、CUDA安装
下载完成后,接下来是安装CUDA。请通过以下步骤安装CUDA:
1.解压CUDA包:
假设您将CUDA包保存在/opt目录下,您可以通过以下命令解压缩CUDA包:
sudo tar -zxvf /opt/cuda_x.x.x_linux.run
(请将“x.x.x”替换为您下载的CUDA版本号码)
2.挂载设备显卡:
在安装CUDA之前,您需要确保设备显卡已正确挂载。您可以通过以下命令检查设备显卡是否已挂载:
ls /dev/nvidia*
如果没有输出内容,请通过以下命令挂载设备显卡:
sudo modprobe nvidia
3.运行安装程序:
您可以通过以下命令运行CUDA安装程序:
sudo /opt/cuda_x.x.x_linux.run
在安装过程中,您可以根据需要进行选择。安装选项包括安装路径、组件、示例程序和样本数据等。
4.配置环境变量:
安装完成后,您需要将CUDA添加到环境变量中。您可以通过以下命令编辑环境变量文件:
sudo nano /etc/profile
在文件末尾添加以下内容:
export PATH=/usr/local/cuda-x.x/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-x.x/lib64:$LD_LIBRARY_PATH
(请将“x.x”替换为您的CUDA版本号码)
5.保存文件并退出编辑器。
6.更新环境变量:
您需要通过以下命令刷新环境变量:
source /etc/profile
7.验证CUDA是否安装成功:
您可以通过运行以下命令验证CUDA是否已正确安装:
nvcc -V
如果正确安装,则应该可以看到与您安装的CUDA版本相关的输出。
:
在Linux系统下,CUDA的安装相对来说可能会有一些困难。但是,只要您按照上面的步骤执行,就有可能成功安装CUDA。如果您遇到问题,建议到官方网站或其他相关技术论坛寻求帮助。希望本文能帮助到您,让您快速轻松安装CUDA。
相关问题拓展阅读:
首先需要看你的PC配置是否够,TF的GPU模式只支持N卡,然后计算能力高于3.0,具体可以查:
安装教程可以参考:
Ubuntu16.04上gtx1080的cuda安装
July
目前tensorflow是一个非常流行的深度学习计算框架,常规硬件及系统的安装方法官方的doc已经说的很清楚了,但是 因为系统是ubuntu16.04,显卡是GTX1080,所以不可避免的要折腾起来。在上一篇已经在穗高16.04上安装好了驱动。接下来其实 重点安装的是CUDA和cuDNN.
首先说为什么要安装CUDA和cuDNN,关于采用GPU计算比CPU有速度有多少提升的benchmark找找就有,这次重点是怎么让tensorflow充分用的 上GTX1080能力。具体的就是如何把支持GTX1080的CUDA和cuDNN装起来,然后让tensorflow认识我们新装的CUDA和cuDNN。
首先总体说下安装步骤:
1 首先要注册NVIDIA developer的帐号,分别下载CUDA和cuDNN
2 确认准备gcc版本,安装依赖库sudo apt-get install freegl
3 安装CUDA
4 解压cuDNN
5 clone tensorflow源码,configure配置
6 编译安装
7 最后一哆嗦,测试!
准备工作
在正式开始前,需要做几个准备工作,主要是大概先看下文档
cuda FAQ
tensorflow 的安装文档
cuda-gpu的支持列表/计算能力/FAQ
cudnn 5.1有多牛
cuda tookit下载页面
CUDA_Installation_Guide_Linux.pdf
cudnn User Guide
文档看过之后接下来就是实际动手的过程:
1 注册NVIDIA developer的帐号,分别下载CUDA和cuDNN
1.1 下载CUDA 打开cuda toolkit下载页面,GTX1080 要用的是CUDA 8。先点击JOIN,注册帐号。 完了后,再回到cuda toolkit下载页面。选择 linux, x86-64, ubuntu, 16.04, runfile(local)
1.2 下载cuDNN 进入cudnn的下载页,一堆调查,日志写时下载的是,点开选linux,不出意外的话这个就是下载地址.
2 确认GCC版本,安装依赖库
确认本机gcc版本,16.04默认的是gcc 5,这里安装需要的更高是gcc 4.9。接下来就安装配置gcc 4.9.
2.1 安装gcc 4.9,并修改系统默认为4.9
sudo apt-get install gcc-4.9 gcc-4.9 g++-4.9 g++-4.9
gcc –version
sudo update-alternatives –install /usr/bin/g++ g++ /usr/bin/g++-4.9 10
sudo update-alternatives –install /usr/bin/cc cc /usr/bin/gcc 30
sudo update-alternatives –set cc /usr/bin/gcc
sudo update-alternatives –install /usr/bin/c++ c++ /usr/bin/g++ 30
sudo update-alternatives –set c++ /usr/bin/g++
gcc –version
2.2 一个小依赖
sudo apt-get install freegl
3 安装CUDA
需要注意的是这个地方有个选择安装低版本驱动的地方,选n 大致的安装流程如下氏答:
3.1 安猜核尺装CUDA
chmod +x /cuda_8.0.27_linux.run
./cuda_8.0.27_linux.run
….
Do you accept the previously read EULA?
accept/decline/quit: accept
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62?
(y)es/(n)o/(q)uit: n
Install the CUDA 8.0 Toolkit?
(y)es/(n)o/(q)uit: y
Enter Toolkit Location
:
Do you want to install a symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: y
Install the CUDA 8.0 Samples?
(y)es/(n)o/(q)uit: y
Enter CUDA Samples Location
: /home/h/Documents/cuda_samples
….
3.2 写入环境变量
vim ~/.bashrc
#添加下面变量
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
3.3 安装好后简单验证
a. 进入刚配置时指定的cuda sample所在文件夹,NVIDIA_CUDA-8.0_Samples/
b. cd 0_Simple/asyncAPI;sudo make
c. NVIDIA_CUDA-8.0_Samples/0_Simple/asyncAPI$ ./asyncAPI – Starting… GPU Device 0: “GeForce GTX 1080” with compute capability 6.1 CUDA device time spent executing by the GPU: 10.94 time spent by CPU in CUDA calls: 0.19 CPU executediterations while waiting for GPU to finish
4 安装cuDNN
h@h:~/Downloads$ tar xvzf cudnn-8.0-linux-x64-v5.0-ga.tgz
cuda/include/cudnn.h
cuda/lib64/libcudnn.so
cuda/lib64/libcudnn.so.5
cuda/lib64/libcudnn.so.5.0.5
cuda/lib64/libcudnn_static.a
h@h:~/Downloads$ sudo cp -R cuda/lib64 /usr/local/cuda/lib64
h@h:~/Downloads$ sudo mkdir -p /usr/local/cuda/include
h@h:~/Downloads/cuda$ sudo cp include/cudnn.h /usr/local/cuda/include/
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
5 clone, configure tensorflow
5.1 clone源码
$ git clone
5.2 configure配置
整个配置流程应该跟下面的基本一样的
h@h:~/Downloads/tensorflow$ cd ./tensorflow/
h@h:~/Downloads/tensorflow$ ./configure
Please specify the location of python. :
***Do you wish to build TensorFlow with Google Cloud Platform support? N***
No Google Cloud Platform support will be enabled for TensorFlow
***Do you wish to build TensorFlow with GPU support? y***
GPU support will be enabled for TensorFlow
Please specify which gcc nvcc should use as the host compiler. :
**Please specify the location where CUDA toolkit is installed. Refer to README.md for more details. : /usr/local/cuda-8.0 **
**Please specify the Cudnn version you want to use. : 5.0.5**
**Please specify the location where cuDNN 5.0.5 library is installed. Refer to README.md for more details. : /usr/local/cuda**
Please specify a list of comma-separated Cuda compute capabilities you want to build with.
You can find the compute capability of your device at:
**Please note that each additional compute capability significantly increases your build time and binary size.
: 6.1**
Setting up Cuda include
Setting up Cuda lib64
Setting up Cuda bin
Setting up Cuda nvvm
Setting up CUPTI include
Setting up CUPTI lib64
Configuration finished
6 编译安装
6.1 编译工具Bazel安装配置
先看一眼文档 然后就执行下面的流程:
#安装java 1.8
sudo add-apt-repository ppa:webupd8team/java
sudo apt-get update
sudo apt-get install oracle-java8-installer
#安装好后车参考下
java -version
#添加源
echo “deb stable jdk1.8” | sudo tee /etc/apt/sources.list.d/bazel.list
curl | sudo apt-key add –
#下载
sudo apt-get update && sudo apt-get install bazel
#升级
sudo apt-get upgrade bazel
6.2 编译tensorflow的pip版本并安装
$ bazel build -c opt //tensorflow/tools/pip_package:build_pip_package
# To build with GPU support:
$ bazel build -c opt –config=cuda //tensorflow/tools/pip_package:build_pip_package
$ bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg
# The name of the .whl file will depend on your platform.
#注意编译完成后生成的文件名字和官方doc里面的是不一定一致的
$ sudo pip install /tmp/tensorflow_pkg/tensorflow-0.*-linux_x86_64.whl
i6700k 32g编译时间:
只编译代码不带pip INFO: Elapsed time: 967.271s, Critical Path: 538.38s
bazel-bin/tensorflow/tools/pip_package/build_pip_package INFO: Elapsed time: 65.183s, Critical Path: 48.58
7 最后测试
前面都整完了,现在该测试了,注意前面有两个动态链接库的位置,cuDNN在/usr/local/cuda/lib64, 而cuda在/usr/local/cuda-8.0/lib64,所以这个时候的bashrc应该这么写:
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
写完后,
source ~/.bashrc
cd tensorflow/tensorflow/models/image/mnist
python convolutional.py
成功的话会出现流畅的跑动:
h@h:~/Downloads/tensorflow/tensorflow/models/image/mnist$ python convolutional.py
I tensorflow/stream_executor/dso_loader.cc:108> successfully opened CUDA library libcublas.so locally
I tensorflow/stream_executor/dso_loader.cc:108> successfully opened CUDA library libcudnn.so.5.0.5 locally
I tensorflow/stream_executor/dso_loader.cc:108> successfully opened CUDA library libcufft.so locally
I tensorflow/stream_executor/dso_loader.cc:108> successfully opened CUDA library libcuda.so.1 locally
I tensorflow/stream_executor/dso_loader.cc:108> successfully opened CUDA library libcurand.so locally
Extracting data/train-images-idx3-ubyte.gz
Extracting data/train-labels-idx1-ubyte.gz
Extracting data/t10k-images-idx3-ubyte.gz
Extracting data/t10k-labels-idx1-ubyte.gz
I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:925> successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
I tensorflow/core/common_runtime/gpu/gpu_init.cc:102> Found device 0 with properties:
name: GeForce GTX 1080
major: 6 minor: 1 memoryClockRate (GHz) 1.8475
pciBusID 0000:01:00.0
Total memory: 7.92GiB
Free memory: 7.41GiB
I tensorflow/core/common_runtime/gpu/gpu_init.cc:126> DMA: 0
I tensorflow/core/common_runtime/gpu/gpu_init.cc:136> 0: Y
I tensorflow/core/common_runtime/gpu/gpu_device.cc:838> Creating TensorFlow device (/gpu:0) -> (device: 0, name: GeForce GTX 1080, pci bus id: 0000:01:00.0)
Initialized!
Step 0 (epoch 0.00), 8.4 ms
Minibatch loss: 12.054, learning rate: 0.010000
Minibatch error: 90.6%
Validation error: 84.6%
……
Minibatch error: 0.0%
Validation error: 0.7%
Step 8500 (epoch 9.89), 4.7 ms
Minibatch loss: 1.601, learning rate: 0.006302
Minibatch error: 0.0%
Validation error: 0.9%
关于cuda版本 linux 下载的介绍到此就结束了,不知道你从中找到你需要的信息了吗 ?如果你还想了解更多这方面的信息,记得收藏关注本站。
成都网站营销推广找创新互联,全国分站站群网站搭建更好做SEO营销。
创新互联(www.cdcxhl.com)四川成都IDC基础服务商,价格厚道。提供成都服务器托管租用、绵阳服务器租用托管、重庆服务器托管租用、贵阳服务器机房服务器托管租用。
文章题目:Linux系统下CUDA版本下载指南 (cuda版本 linux 下载)
标题链接:http://www.shufengxianlan.com/qtweb/news49/441649.html
网站建设、网络推广公司-创新互联,是专注品牌与效果的网站制作,网络营销seo公司;服务项目有等
声明:本网站发布的内容(图片、视频和文字)以用户投稿、用户转载内容为主,如果涉及侵权请尽快告知,我们将会在第一时间删除。文章观点不代表本网站立场,如需处理请联系客服。电话:028-86922220;邮箱:631063699@qq.com。内容未经允许不得转载,或转载时需注明来源: 创新互联