8 cuda linux
2019-06-17 16:14:30 MrR1ght 阅读数 48

在使用tensorflow或者keras时,有时需要安装不同版本的tensorflow,这些版本可能要求不同的cuda版本。类似于使用conda安装多个python环境,可以使用conda env环境安装不同版本的cuda和cudnn。

1、下载所需要的cuda和cudnn。直接官网下载即可

如下图下载好了cuda 8.0+cudnn6.0和cuda 9.0+cudnn7.1.2

2、显卡驱动drive安装

显卡驱动的版本要符合安装的cuda最高版对显卡驱动的要求,一般来说,cuda版本越高对显卡驱动要求版本越高,且向上兼容。具体的显卡安装自行百度。

3、创建conda env安装cuda和cudnn

创建conda env

conda create -n cuda9 python=3.6

切换到创建好的环境cuda9

source activate cuda9

直接用conda安装cuda和cudnn

conda isntall cudatoolkit=9.0
conda install cudnn=7.1.2

或者自己下载文件,直接指定文件路径安装

conda install /path/to/cuda9.0.xxxxxx.tar.bz
conda install /path/to/cudnn7.12.xxxxxx.tar.bz

4、验证安装

安装好后conda list查看

 其他版本的cuda安装同上,在新建conda env安装即可,使用时切换到对应版本的cuda。

如在已安装cuda8的centos机器上,安装完cuda9,并安装tensorflow-gpu=1.11.0(要求cuda9),切换到cuda9环境后,导入tensorflow可正常使用

 

 

2018-04-12 18:30:50 qq_22194315 阅读数 2504
1.安装toolkit
(1)cd /home/CUDA_train/software/cuda4.1
(2)./cudatoolkit_4.1.28_linux_64_rhel6.x.run
指定安装目录
(3)配置cuda toolkit环境变量
(a)vim ~/.bashrc
(b)添加如下行,用于添加cuda bin的路径到环境变量PATH
export PATH=$PATH:/usr/local/cuda/bin
(c)添加如下行,用于添加cuda/lib和cuda/lib64路径到环境变量LD_LIBRARY_PATH
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib:/usr/local/cuda/lib64
(d)使配置生效
source ~/.bashrc

2.安装cuda sdk
(1)cd /home/CUDA_train/software/cuda4.1
(2)./gpucomputingsdk_4.1.28_linux.run
安装过程中需要指定安装目录,输入cuda toolkit的安装目录
(3)编译SDK示例程序
假定sdk安装目录为$(CUDA_SDK)=~/NVIDIA_GPU_Computing_SDK/
(a)编译SDK例程之前,先生成静态库
进入$(CUDA_SDK)/shared目录,执行make,生成libshrutil_x86_64.a
进入$(CUDA_SDK)/c/common,执行make,生成libcutil_x86_64.a
(b)编译SDK示例程序
示例程序源码在$(CUDA_SDK)/C/src目录下,编译成功的可执行文件在$(CUDA_SDK)/C/bin目录下。
以deviceQuery为例:
进入$(CUDA_SDK)/C/src/deviceQuery目录,执行make编译
进入$(CUDA_SDK)/C/bin/linux/release目录,执行./deviceQuery运行
要想重新编译,可执行make clean; make
2017-12-30 12:04:07 cs24k1993 阅读数 2234

1,首先按照NVIDIA document上的规范,完成post-install。

http://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html#post-installation-actions

2,禁掉 nouveau 开源驱动,通过下面的命令检查是不是成功禁止掉开源驱动,若输入命令后shell没有显示其他内容,就是禁掉了。

$lsmod | grep nouveau

输入命令:sudo gedit /etc/modprobe.d/blacklist-nouveau.conf

将下面两行复制进去保存。

blacklist nouveau
options nouveau modeset=0 

输入sudo update-initramfs -u, 运行重新生成kernel inintramfs ,这一步有时候可能需要重启。联网后进入下一步。

3,安装驱动:

在你的用户登录界面按ctrl+alt+F1进入tty模式,输入你的账户名和密码,依次运行如下语句:
(安装下面驱动时也需要关闭桌面环境 xserver,不然报错)

sudo apt-get purge nvidia-* 
sudo add-apt-repository ppa:graphics-drivers/ppa 
根据nvidia官网给的推荐选择最新的驱动,下载.run或者.deb驱动然后安装(根据自己的显卡找对应的驱动版本,很重要)
sudo reboot 

4,安装CUDA: cuda官网下载 cuda-toolkit runfile 挪到 Document或者Downloader下面(自己可以找到的位置) 给文件权限。

$sudo chmod a+x cuda------(文件名)

关掉桌面环境: $sudo service lightdm stop
(打开桌面环境的命令是:$sudo service lightdm start)

进入tty模式输入以下命令安装CUDA。

$cd /Document 
$sudo ./cuda---- 

选择跳过第一步的驱动安装,然后一直yes,location 选择默认(enter)即可, 安装成功之后添加一下PATH 重启即可 。

$sudo vim /etc/profile

在文件末尾添加:

export PATH=$PATH:/usr/local/cuda-8.0/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-8.0/lib64
export LIBRARY_PATH=$LIBRARY_PATH:/usr/local/cuda-8.0/lib64

保存并退出,输入命令$source /etc/profile使其生效。

5,后续验证步骤 测试cuda是否安装成功:

$cd /usr/local/cuda/samples

编译例子:

$sudo make all -j8

运行编译可执行结果文件 验证:

$cd 1_ultilities 
$cd deviceQuery
$./deviceQuery

显示 :PASS 安装完成。

本文转载自:https://github.com/xuexuetong1993/Nvidia-driver-cuda--

2019-06-28 19:22:15 weixin_33889245 阅读数 11

http://www.linuxidc.com/Linux/2012-04/58913.htm

转载于:https://www.cnblogs.com/kylegui/p/3812507.html

2013-12-21 11:02:26 vbskj 阅读数 13501
1.安装toolkit
(1)cd /home/CUDA_train/software/cuda4.1
(2)./cudatoolkit_4.1.28_linux_64_rhel6.x.run
指定安装目录
(3)配置cuda toolkit环境变量
(a)vim ~/.bashrc
(b)添加如下行,用于添加cuda bin的路径到环境变量PATH
export PATH=$PATH:/usr/local/cuda/bin
(c)添加如下行,用于添加cuda/lib和cuda/lib64路径到环境变量LD_LIBRARY_PATH
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib:/usr/local/cuda/lib64
(d)使配置生效
source ~/.bashrc

2.安装cuda sdk
(1)cd /home/CUDA_train/software/cuda4.1
(2)./gpucomputingsdk_4.1.28_linux.run
安装过程中需要指定安装目录,输入cuda toolkit的安装目录
(3)编译SDK示例程序
假定sdk安装目录为$(CUDA_SDK)=~/NVIDIA_GPU_Computing_SDK/
(a)编译SDK例程之前,先生成静态库
进入$(CUDA_SDK)/shared目录,执行make,生成libshrutil_x86_64.a
进入$(CUDA_SDK)/c/common,执行make,生成libcutil_x86_64.a
(b)编译SDK示例程序
示例程序源码在$(CUDA_SDK)/C/src目录下,编译成功的可执行文件在$(CUDA_SDK)/C/bin目录下。
以deviceQuery为例:
进入$(CUDA_SDK)/C/src/deviceQuery目录,执行make编译
进入$(CUDA_SDK)/C/bin/linux/release目录,执行./deviceQuery运行
要想重新编译,可执行make clean; make

linux(8)

阅读数 78

linux 8

阅读数 3

Linux(8)

阅读数 81

Linux 参看cuda 及 显卡

阅读数 13954

没有更多推荐了,返回首页