本文收集整理关于查看cudnn是否安装的相关议题，使用内容导航快速到达。

内容导航：

Q1：cudnn安装问题求助

这句 “您当前未使用连接到NVIDIA GPU的显示器” 你的监视器是否连接到NV卡的输出上了呢？

Q2：cudnn可以安装多个吗

to different addresses.

1、

已赞过

已踩过

Q3：如何检测ubuntu中是否安装了cudnn

命令行下输入mysql --help如果是输出一串帮助提示的话，那么就是安装好了的。没有的话就是没安装好。

Q4：ubuntu16.04怎么测试cudnn安装是否成功

命令行下输入mysql --help如果是输出一串帮助提示的话，那么就是安装好了的。没有的话就是没安装好。

具体如下：

电脑常见问题解决

1、无法自动识别硬盘控制器

使用非正版的个别操作系统光盘，在安装系统时，容易出现此错误。原因是非正版光盘自动加载的硬盘控制器驱动不符合电脑自身需要的驱动。这种情况就建议换正版光盘安装操作系统。

2、手动更新错误的驱动程序

windows操作系统正常使用，但手动更新驱动程序把硬盘控制器的驱动程序更新错误，导致此故障。解决方法是进入windows系统高级菜单，选择最后一次的正常配置，即可正常进入系统。

3、bios设置变化后所导致

windows操作系统正常，但是由于某些原因，用户修改了bios设置，导致0x0000007b故障。

Q5：如何查看ubuntu cudnn

Ubuntu社团按照Ubuntu宣言里所铭记的思想而

Ubuntu18.04安装cuDNN和Tensorflow的正确姿势

本文章主要讲解 ubuntu 系统如何正确安装 cuDNN 和 Tensorflow。

需要提前准备：

一个安装好的Ubuntu 18.04

NVIDIA 驱动已经安装成功

CUDA已经安装成功

一、检查NVIDIA驱动是否安装成功

打开终端执行：

nvidia-smi

Wed Jul 10 11:49:26 2019

+-----------------------------------------------------------------------------+

| NVIDIA-SMI 430.26 Driver Version: 430.26 CUDA Version: 10.2 |

|-------------------------------+----------------------+----------------------+

| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |

| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |

|===============================+======================+======================|

| 0 GeForce RTX 208... Off | 00000000:42:00.0 On | N/A |

| 0% 42C P8 17W / 300W | 309MiB / 11011MiB | 0% Default |

+-------------------------------+----------------------+----------------------+

+-----------------------------------------------------------------------------+

| Processes: GPU Memory |

| GPU PID Type Process name Usage |

|=============================================================================|

| 0 1520 G /usr/lib/xorg/Xorg 18MiB |

| 0 1626 G /usr/bin/gnome-shell 79MiB |

| 0 7641 G /usr/lib/xorg/Xorg 95MiB |

| 0 7772 G /usr/bin/gnome-shell 113MiB |

+----------------------------------------------------------------------------

二、检查CUDA是否安装成功

关于 CUDA 的安装可以参考Linux安装CUDA的正确姿势这篇文章。

打开终端执行：

nvcc --version

nvcc: NVIDIA (R) Cuda compiler driver

Copyright (c) 2005-2019 NVIDIA Corporation

Built on Wed_Apr_24_19:10:27_PDT_2019

Cuda compilation tools, release 10.1, V10.1.168

说明CUDA的命令已经安装成功。接下来测试案例是否能够正常运行。

#编译并测试设备 deviceQuery：

cd /usr/local/cuda-9.2/samples/1_Utilities/deviceQuery

sudo make

./deviceQuery

#编译并测试带宽 bandwidthTest：

cd ../bandwidthTest

sudo make

./bandwidthTest

如果这两个测试的最后结果都是Result = PASS，说明 CUDA 安装成功啦。

三、安装cuDNN

1. 确定版本

在安装之前需要参考与Tensorflow的支持关系，可以通过这个网址查看。

因为目前本地安装的环境如下：

Ubuntu 18.04

NVIDIA Driver 430.26

CUDA 10.1

所以推荐安装 cuDNN 7.6.0 版本，并配合 Tensorflow 1.13.0/1.14.0 都可以。

2. 下载安装包

下载地址可以在NVIDIA官网下载。要下载 cuDNN Library for Linux这项。

3. 解压安装

打开终端执行：

tar -zxvf cudnn-10.1-linux-x64-v7.6.0.64.tgz

sudo cp -P cuda/lib64/libcudnn* /usr/local/cuda-10.1/lib64/

sudo cp cuda/include/cudnn.h /usr/local/cuda-10.1/include/

# 为所有用户设置读取权限

sudo chmod a+r /usr/local/cuda-10.1/include/cudnn.h sudo chmod a+r /usr/local/cuda-10.1/lib64/libcudnn*

4. 安装libcupti

这是 NVIDIA CUDA 分析工具接口，此库提供高级分析支持。

打开终端执行：

sudo apt-get install libcupti-dev

四、安装Tensorflow

1. 确定版本

由于上一步我们选择安装了 cnDNN 7.6.0 并且是配合 CUDA 10.1，所以从这个网址我们可以得知，可以安装最高版本 Tensorflow 1.13.0。

2. 安装pip

大家可以根据实际情况进行选择是安装 pip 还是 pip3，本文以 pip3 为例子。

sudo apt-get install python3-dev python3-pip

此时 pip3 已经安装成功。

3. 安装Tensorflow

终端执行：

pip3 install https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.12.0-cp36-cp36m-linux_x86_64.whl

关于下载的连接可以参考官方网址。

此步骤可能会很慢，如果有代理的可以提前设置好代理。

4. 检查是否正常运行

以下两个测试可以直接在终端内复制执行。

测试 1：

python3 -c "import tensorflow as tf; tf.enable_eager_execution(); print(tf.reduce_sum(tf.random_normal([1000, 1000])))"

测试 2：

python3 -c "from tensorflow.python.client import device_lib; device_lib.list_local_devices()"

如果以上两条返回的内容中都没有错误，代表Tensorflow安装成功。

五、错误解决

1. so文件找不到的错误

错误例子如下：

2019-07-10 11:26:57.200271: I tensorflow/stream_executor/platform/default/dso_loader.cc:53] Could not dlopen library 'libcublas.so.10.0'; dlerror: libcublas.so.10.0: cannot open shared object file: No such file or directory; LD_LIBRARY_PATH: /usr/local/cuda/lib64::/usr/local/cuda-10.1/lib64:/usr/local/cuda-10.1/lib64:/usr/local/cuda-10.1/lib64{LD_LIBRARY_PATH:+:/usr/local/cuda-10.1/lib64{LD_LIBRARY_PATH:+:/usr/local/cuda-10.1/lib64}}:/usr/local/cuda-10.1/lib64:/usr/local/cuda-10.1/lib

主要错误信息为Could not dlopen library 'libcublas.so.10.0'。造成这样的原因是链接文件不对造成的。

这种问题很好解决，下面我罗列一些常发生这样错误的so文件解决办法，首先大家要确定报错的so文件名称是什么，例如上面报错的是libcublas.so.10.0这个文件，那么就找到对应的libcublas库文件，然后在/usr/local/cuda-10.1/lib64/目录下创建一个bcublas.so.10.0连接文件即可。

一般缺失的so文件都在/usr/local/cuda-10.1/lib64/目录下，有一些特别的在/usr/lib/x86_64-linux-gnu/目录下。

libcudartsudo ln -s /usr/local/cuda-10.1/lib64/libcudart.so.10.1 /usr/local/cuda-10.1/lib64/libcudart.so.10.0

libcufftsudo ln -s /usr/local/cuda-10.1/lib64/libcufft.so.10.1.168 /usr/local/cuda-10.1/lib64/libcufft.so.10.0

libcurandsudo ln -s /usr/local/cuda-10.1/lib64/libcurand.so.10.1.168 /usr/local/cuda-10.1/lib64/libcurand.so.10.0

libcusolversudo ln -s /usr/local/cuda-10.1/lib64/libcusolver.so.10.1.168 /usr/local/cuda-10.1/lib64/libcusolver.so.10.0

libcusparsesudo ln -s /usr/local/cuda-10.1/lib64/libcusparse.so.10.1.168 /usr/local/cuda-10.1/lib64/libcusparse.so.10.0

libcublassudo ln -s /usr/lib/x86_64-linux-gnu/libcublas.so.10.2.0.168 /usr/local/cuda-10.1/lib64/libcublas.so.10.0

如果/usr/lib/x86_64-linux-gnu/目录下没有libcublas库，可以在/usr/local/cuda10.1/targets/x86_64-linux/lib/查找libcublas库。

2. 安装Tensorflow时报错python setup.py egg_info

如果错误如下：

Complete output from command python setup.py egg_info:

Traceback (most recent call last):

File "", line 1, in

ModuleNotFoundError: No module named 'setuptools'

----------------------------------------

Command "python setup.py egg_info" failed with error code 1 in /tmp/pip-build-szai5bvj/absl-py/

解决办法为安装setuptools

pip3 install --upgrade setuptools

然后重新安装Tensorfow。

3. error: invalid command ‘bdist_wheel’

如果遇到此错误：

pip3 install wheel

然后重新安装Tensorfow。

END