精华内容
下载资源
问答
  • Ubuntu18.04安装cuda8.0,多版本CUDA切换(含报错解决和下载链接)
    2021-08-24 14:30:23

    Ubuntu18.04安装cuda8.0,多版本CUDA切换(含报错解决和下载链接)




    1. CUDA8.0和cudnn6.0网盘下载连接

    链接:https://pan.baidu.com/s/1YcVBhH3UTkkERbYjODtd5A
    提取码:lvih


    2. 安装CUDA8.0

    • 查看当前系统上的CUDA版本:
    cat /usr/local/cuda/version.txt
    

    在这里插入图片描述

    • 安装CUDA8.0
    sudo sh cuda_8.0.61_375.26_linux.run
    

    2.1 安装报错

    • 正常安装9.0及以上版本没问题,不会报错,但是在安装8.0时报错如下:
    Installing the CUDA Toolkit in /usr/local/cuda-8.0 ...
    Error: cannot find Toolkit in /usr/local/cuda-8.0
    
    ===========
    = Summary =
    ===========
    
    Driver:   Not Selected
    Toolkit:  Installation Failed
    Samples:  Cannot find Toolkit in /usr/local/cuda-8.0
    

    2.2 解决方案

    • 首先安装依赖
    sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
    
    • 然后解决perl5lib的问题
    bash ./cuda*.run --tar mxvf
    sudo cp InstallUtils.pm /usr/lib/x86_64-linux-gnu/perl-base
    export $PERL5LIB
    

    2.3 继续安装CUDA8.0

    sudo sh cuda_8.0.61_375.26_linux.run
    
    • 然后一直按回车键,直到服务条款显示到100%。接着按下面的步骤选择:

    accept
    n(不要安装driver)
    y
    y
    y

    • 更新环境,使安装生效:
    source ~/.bashrc
    

    3. 设置多CUDA版本下CUDA8.0的引导路径

    • 首先将先前添加到 ~/.bashrc 里的环境变量路径全部指向cuda软连接,也就是环境变量的路径里所有cuda-x.0的名字都改成cuda:
    export CUDA_HOME=/usr/local/cuda
    export PATH=$PATH:$CUDA_HOME/bin
    export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
    
    • 将cuda-11.0切换成cuda-8.0的过程如下(其它CUDA版本切换也用以下两行命令,但要修改对应版本):
    sudo rm -rf /usr/local/cuda    #删除之前生成的软连接
    sudo ln -s /usr/local/cuda-8.0 /usr/local/cuda    #生成新的软连接
    
    • 再查看当前CUDA版本:
    cat /usr/local/cuda/version.txt
    

    在这里插入图片描述


    4. 安装cudnn6.0

    • 其实算不上安装,只是将cudnn解压出来的部分文件复制到CUDA里
    • 解压下载的文件,可以看到cuda文件夹,在当前目录打开终端,执行如下命令:
    sudo cp cuda/include/cudnn.h /usr/local/cuda-8.0/include/
    sudo cp cuda/lib64/libcudnn* /usr/local/cuda-8.0/lib64/
    sudo chmod a+r /usr/local/cuda/include/cudnn.h
    sudo chmod a+r /usr/local/cuda/lib64/libcudnn*
    
    • 在终端输入:
    cat /usr/local/cuda-8.0/include/cudnn.h | grep CUDNN_MAJOR -A 2
    
    • 如果出现下图所示版本信息,说明安装成功。
      在这里插入图片描述

    参考博客:https://blog.csdn.net/qq_23996885/article/details/90205937

    更多相关内容
  • cuda8.0,下载包

    2018-07-09 15:06:02
    cuda8.0的下载包,64位,用于ubuntu16.或者14.。。。。。。
  • cuda 8.0 ubuntu16.04 百度云链接 用于gpu训练安装。需要
  • Visual Studio 2015, CUDA 8.0, Python 3.5: Caffe Release
  • cuda8.0+cudnn6.0(win10)百度云下载链接 版本已对应~~~~免得官网下载太慢还注册
  • 由于英伟达网站总是崩溃,所以讲cuda8.0和它对应的cudnn6.0放到这里。 另外,安装完成后可能会出现Could not load dynamic library ‘cudart64_101.dll的问题,江压缩包中cudart64_101.dll粘贴到安装cuda目录下的bin...
  • cudnn 对应cuda8.0

    2018-06-28 23:59:18
    cudnn 对应cuda8.0,需要的可以下载++++++++++++++++++
  • cuda8.0 cuda 8.0 安装pytorch

    千次阅读 2021-04-25 22:33:54
    cuda 8.0 安装pytorch @cuda 8.0 安装pytorch 首先查找自己电脑驱动支持的版本。帮助–>系统信息–>组件 可以看到电脑支持版本为8.0的版本 https://www.cnblogs.com/chenzhen0530/p/10939319.html #看...

    cuda 8.0 安装pytorch

    @cuda 8.0 安装pytorch

    1. 首先查找自己电脑驱动支持的版本。帮助–>系统信息–>组件在这里插入图片描述

    在这里插入图片描述

    1. 可以看到电脑支持版本为8.0的版本
     https://www.cnblogs.com/chenzhen0530/p/10939319.html  #看看这个博客,这个讲的挺详细的
    

    在这里插入图片描述
    下载cuda的时候注意,上图中的两个都需要下载!!! visual studio也需要下载,不然会出现安装不成功的问题
    都需要安装!

      python版本直接下载3.6吧,看到网上有人说后面安装其他的,可能会有python版本过高,导致不成功的问题!
    
    1. 下载对应版本的cudnn
    https://developer.nvidia.com/rdp/cudnn-archive
    
    1. 然后将下载的cudnn压缩包解压,将其中的三个文件目录合并放到cuda安装目录下(注:此处合并时需要将这三个目录分别放到同名目录下,而不是合并)

      在这里插入图片描述
      配置环境变量
      在安装好cuda和cudnn后,我们需要再path环境变量中加入以下目录:
      在这里插入图片描述
      在这里插入图片描述
      检查cuda有没有安装成功
      在这里插入图片描述
      下载安装anaconda

         https://www.anaconda.com/distribution/#download-section
      

      这个直接下载就行了,没啥好说的。

      下面安装pytorch和torchvision都是在anaconda prompt 里面输的!

    2. 下载torch
      conda太慢了,即使使用镜像源,这儿说一下添加镜像源的方法

    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
    
    conda config --show channels   #查看添加了哪些镜像
    
    conda config --remove-key channels  #删除刚添加的无效镜像 (只有当自己不小心添加了无效镜像之后,才使用这条)
    

    但即使用了镜像还是很慢,

    conda install pytorch=0.4.1 cuda80 -c pytorch    #很容易不成功
    

    所以打开了pytorch官网,

    https://pytorch.org/       #pytorch官网`
    ```c
    # cpu是CPU版本的,cu是GPU版本的
    
    Via pip
    Download the whl file with the desired version from the following html pages:
    
    https://download.pytorch.org/whl/cu80/torch_stable.html # CUDA 8.0 build
    # 下载好自己所需要版本的pytorch
    #然后使用
     pip install [downloaded file]    #刚下载文件的位置!
     
    #举个例子,真的是随便举的!
    pip install E:\下载\插件\pytorch环境插件\numpy-1.19.4-cp38-cp38-win_amd64.whl
    ```c
    
    1. 下载torchvision
     pip3 install torchvision
    
    1. 检查
     import torch
     import torchvision
    print(torch.cuda.is_available())   #检查cuda是否可用,正确是返回True
    

    如果最后返回是False,## 标题那就自己检查吧!!!我真的试了好久!我真的也不知道为啥,最后莫名其妙就好了!!
    在这里插入图片描述
    可以重装下pytorch版本看看,我看到网上有人说是显卡驱动需要更新,但我也没有更新!
    这真的是玄学问题!我最后就差更新显卡驱动了!!

    参考博客:
    https://www.cnblogs.com/chenzhen0530/p/10939319.html

    展开全文
  • 主要介绍了Ubuntu16.04下CUDA8.0和CUDA9.0共存,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
  • CUDA8.0_cudnn.zip

    2019-06-26 15:54:09
    Windows7系统可用的CUDA8.0,CUDA(Compute Unified Device Architecture),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。
  • cuda8.0.txt.rar

    2021-02-09 11:36:30
    windows10版本的cuda8.0(64位),离线安装文件,度盘链接
  • cuda8.0各种包.rar

    2019-05-13 21:59:19
    cuda8.0各种包.rar,具体可参考https://blog.csdn.net/SHAOYEZUIZUISHAUI/article/details/90178055
  • cuDNN v5.1 (Jan 20, 2017), for CUDA 8.0

    热门讨论 2017-03-14 18:04:11
    cuDNN v5.1 (Jan 20, 2017), for CUDA 8.0
  • cudnn-7.1.3-cuda8.0_0.tar.bz2安装包,适用于ubuntu16
  • win10平台下的cuda8.0、用于NVIDIA的GPU加速,配置加速环境所需的cudnn6.0 -win10 for cuda 8.0。文件太大,请使用baiduyun下载
  • ubuntu14.04-64位操作系统 + cudnn7.1.4 + cuda版本8.0:cuDNN v7.1.3 Runtime Library for Ubuntu14.04 (Deb)(libcudnn7_7.1.4.18-1+cuda8.0_amd64.deb)
  • cuda8.0适于win7

    2017-10-21 20:56:29
    适合于win7系统的cuda8.0版本,目前在实验室电脑中使用!
  • cudnn5.1cuda8.0

    2018-10-16 09:52:02
    cuda8.0 win10x64
  • cudnn 下载很不方便 我自己下了 cudnn5.1 方便大家快速下载
  • cudnn 用于windows 64系统,7.1版本配合cuda8.0使用,由于在官网下载需要注册,所以分享给大家
  • cudnn for cuda 8.0

    2018-09-14 13:54:50
    cudnn for cuda8.0 在nvidia的网站上需要,我就下完放这里了。
  • windows下的CUDA8.0版本

    2019-01-04 20:54:59
    外网一般下载到最后都是失败,此次上传的是CUDA8.0,需要的小伙伴可以下载
  • cuda8.0

    2021-02-23 14:10:13
    cuda8.0
  • Ubuntu16.04安装CUDA8.0

    2021-03-09 14:24:25
    1. 下载Cuda8.0 在官网上下在cuda8.0, 历史版本:https://developer.nvidia.com/cuda-toolkit-archive 最新版本:https://developer.nvidia.com/cuda-downloads 我选择的是Feb 2017的 CUDA8.0 GA2的版本. 下载下来...

    1. 下载Cuda8.0

    在官网上下在cuda8.0,
    历史版本:https://developer.nvidia.com/cuda-toolkit-archive
    最新版本:https://developer.nvidia.com/cuda-downloads
    我选择的是Feb 2017CUDA8.0 GA2的版本.

    image.png

    下载下来的文件如下图所示:

    图片.png

    它要求的nvidia驱动版本要不小于375.26,我安装的nvidia驱动版本是455.45.01,应该是OK的。

    2. 禁用nouveau通用显卡驱动

    打开文档sudo gedit /etc/modprobe.d/blacklist.conf,写入
    blacklist nouveau
    options nouveau modeset=0
    然后更新sudo update-initramfs -u
    这里强调一下,安装nvidia显卡驱动时候应该已经把nouveau驱动加入到黑名单里了,这里检查一下,即可
    lsmod | grep nouveau
    如果没有输出,说明已经禁用成功了。

    图片.png

    3. 安装cuda8.0

    3.1 首先ctrl+alt+f1切换到命令行界面,输入账号密码登录

    3.2 关闭图形界面

    sudo service lightdm stop

    3.3 安装

    (1)给用户增加读写和执行的权限
    sudo chmod 777 cuda_8.0.61_375.26_linux.run
    我只看到两篇博文中提及要赋予权限,保险起见,我这里还是给一个权限。
    (2)正式安装
    sudo sh cuda_8.0.61_375.26_linux.run --no-opengl-libs
    或者sudo sh cuda_8.0.61_375.26_linux.run
    其中,禁用opengl的作用
    说法1:据说是为了防止和系统原有的opengl冲突,
    说法2:很重要,否则会覆盖集显,不能正常登陆


    PS:第一次安装时以为没安装上(实际上安装上了),就把–no-opengl-libs去掉了,重新执行了一次安装命令,两次安装结果是一样的,可以看出有无–no-opengl-libs没有区别。


    3.4 安装时的选项

    安装的时候,要让你先看一堆文字(EULA),我们直接不停的按空格键到100%,然后accept接受条款。
    然后让选择是否安装 nvidia 驱动,这里因为已经安装过显卡驱动就不能再重复安装,所以输入“n”不安装。
    剩下的选择则都输入“y”确认安装或确认默认路径安装。
    不要安装推荐的驱动!!
    (1)Do you accept the previously read EULA?
    accept/decline/quit: accept
    输入accept接受条款

    (2)Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.26?
    (y)es/(n)o/(q)uit: n
    输入n不安装nvidia图像驱动,之前已经安装过了。

    (3)Install the CUDA 8.0 Toolkit?
    (y)es/(n)o/(q)uit: y
    输入y安装cuda 8.0工具 。

    (4)Enter Toolkit Location
    [ default is /usr/local/cuda-8.0 ]: 回车
    回车确认cuda默认安装路径:/usr/local/cuda-8.0 。

    (5)Do you want to install a symbolic link at /usr/local/cuda?
    (y)es/(n)o/(q)uit: y
    输入y安装指向/usr/local/cuda的符号链接 。

    (6)Install the CUDA 8.0 Samples?
    (y)es/(n)o/(q)uit: y
    输入y安装CUDA 8.0 Samples,以便后面测试 。

    (7)Enter CUDA Samples Location
    [ default is /root ]:回车
    回车确认CUDA 8.0 Samples默认安装路径,该安装路径测试完可以删除

    安装中的选项如下图所示:

    IMG_1160.JPG

    安装后的结果:

    IMG_1161.JPG

    这样就已经安装好了,就是这么简单不要怀疑,只要不出error就可以,如果出现kernel相关错误,那一般是由于内核太高了,cuda不能识别,包括cuda9等等后来的也不能,所以还是想办法降一下内核吧

    3.5 重启图形化界面

    sudo service lightdm start

    4. 配置环境变量

    4.1 在.bashrc中配置

    sudo gedit ~/.bashrc
    将以下内容写入到~/.bashrc尾部:

    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}}
    

    使该配置生效:一定要执行啊 ,如果同时打开多个终端,执行过后,重新打开,否则后面的错误也是不断的.
    source ~/.bashrc

    4.2 设置环境变量和动态链接库

    sudo gedit /etc/profile
    在打开的文件末尾加入:

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

    保存后, 执行下列命令, 使环境变量立即生效:
    source /etc/profile

    4.3 创建链接文件

    sudo gedit /etc/ld.so.conf.d/cuda.conf
    在打开的文件中添加如下语句:
    /usr/local/cuda/lib64
    然后执行
    sudo ldconfig
    使链接立即生效。

    5. Cuda Samples测试

    切换到CUDA 8.0 Samples默认安装路径(一般在安装目录的…/cuda/samples目录下)

    cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
    sudo make #编译
    sudo ./deviceQuery

    如果显示一些关于GPU的信息,则说明安装成功。

    图片.png

    6. 查看CUDA版本信息

    nvcc -V

    图片.png


    参考博文:
    https://www.jianshu.com/p/5f13e0f36636
    https://www.cnblogs.com/left4back/p/10952845.html
    https://blog.csdn.net/wjdexz/article/details/78113381
    https://blog.csdn.net/qq_35379989/article/details/80147630
    https://blog.csdn.net/junqing_wu/article/details/79818696
    https://blog.csdn.net/autocyz/article/details/52299889
    https://blog.csdn.net/qq_40806289/article/details/90643603
    https://www.cnblogs.com/laozhuang/p/8250387.html
    https://blog.csdn.net/QLULIBIN/article/details/80728355

    展开全文
  • cuda8.0适于ubuntu16.04

    2017-12-22 15:22:49
    适合于ubuntu16.04的cuda8.0版本,64位,在我的ubuntu云服务器上使用!
  • tensorflow1.4 WIN7环境下安装于配置CUDA 8.0 cuDNN6.0安装-附件资源
  • Ubuntu16.04多版本cuda切换 ——cuda8.0与cuda10.1 本机已安装cuda8.0+cudnn6.0,现在需要安装cuda10.1+cudnn7.5

    Ubuntu16.04多版本cuda切换 ——cuda8.0与cuda10.1

    本机已安装cuda8.0+cudnn6.0,现在需要安装cuda10.1+cudnn7.5
    cuda:
    https://developer.nvidia.com/cuda-80-ga2-download-archive

    https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64&Distribution=Ubuntu

    cudnn:
    https://developer.nvidia.com/rdp/cudnn-archive

    1.安装

    sudo ./cuda_10.1.105_418.39_linux.run
    

    然后输入accept,回车
    因为系统中已安装NVIDIA显卡驱动,如果不想安装CUDA 10.1中附带的驱动,移动到Driver选项上,按空格键将该项取消。
    在这里插入图片描述遇到以下选择No
    在这里插入图片描述

    显示如下安装完成
    在这里插入图片描述2.修改配置文件

    sudo gedit ~/.bashrc
    

    将cuda8.0修改为cuda
    在这里插入图片描述
    保存退出

    source ~/.bashrc
    

    3.由cuda8.0切换到cuda10.1

    sudo rm -rf /usr/local/cuda
    sudo  ln -s /usr/local/cuda-10.1 /usr/local/cuda
    //查看版本号
    nvcc --version
    

    在这里插入图片描述
    同样的由cuda10.1切换到cuda8.0

    sudo rm -rf /usr/local/cuda
    sudo  ln -s /usr/local/cuda-8.0 /usr/local/cuda
    
    

    4.切换成功后安装cudnn7.5

    解决cudnn文件 放在home下命名为cuda10.1
    打开终端

    sudo cp cuda10.1/include/cudnn.h /usr/local/cuda-10.1/include/
    sudo cp cuda10.1/lib64/libcudnn* /usr/local/cuda-10.1/lib64/
    
    sudo chmod a+r /usr/local/cuda-10.1/include/cudnn.h
    sudo chmod a+r /usr/local/cuda-10.1/lib64/libcudnn*
    
    //查看cudnn版本号
    cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2
    
    

    在这里插入图片描述

    展开全文
  • Windows10+CUDA8.0+VS2015+CUDNN5.1下配置 caffe 2017.11.17号-附件资源
  • cudnnV5.1-for-CUDA8.0

    2018-09-11 17:07:06
    适用于cuda8.0的cudnn版本V5.1,下载后将bin目录添加至环境变量

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 17,794
精华内容 7,117
关键字:

CUDA8.0

友情链接: 三菱简单例程new.rar