精华内容
下载资源
问答
  • 主要介绍了Ubuntu20.04安装cuda10.1的步骤(图文教程),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
  • Ubuntu20.04安装cuda cudnn pytorch pycharm记录0.安装NVIDIA驱动1.安装cuda(1)查看pytorch支持的cuda版本。(2)下载cuda安装包并安装2.安装cudnn3.安装Anaconda(略)4.conda换源、建立环境、pip换源(1)conda...


    记录时间:2021年1月31日
    版本:Ubuntu20.04、cuda11.0、cudnn对应的版本、pytorch对应的版本。我的电脑安装win10+Ubuntu20.04双系统,中途会重启进入windows系统进行一些下载。

    0.安装NVIDIA驱动

    Ubuntu20.04系统安装完成后,已有NVIDIA驱动,窗口输入nvidia-smi后显示驱动的信息。因此无需另外下载、安装驱动。此处显示驱动的版本,和最高支持的CUDA版本。“CUDA Version:11.2”指的是最高支持11.2版本的cuda,而后续不一定要安装11.2版本的cuda,也可以安装低于11.2的版本。

    在这里插入图片描述

    1.安装cuda

    我们要配置pytorch的环境,首先要看pytorch支持哪些版本的cuda,而不能盲目选择。

    (1)查看pytorch支持的cuda版本。

    进入pytorch官网https://pytorch.org/,查看pytorch支持的cuda版本。

    在这里插入图片描述
    cuda 10.2针对的系统更偏向于Ubuntu18及以下的,我的系统是Ubuntu20.04,因此选择安装cuda11.0。

    (2)下载cuda安装包并安装

    进入cuda版本选择页面https://developer.nvidia.com/cuda-toolkit-archivE选择对应的版本;或直接再百度搜索cuda11进入指定版本的下载页面。

    在这里插入图片描述
    选择系统“Linux”,“x86_64”,“Ubuntu”,“20.04”。安装包的类型选择"runfile(local)"(因为其他类型的安装需要较多零散的安装包,runfile只有一个安装包,更便于下载)。wget会从官方网站下载,速度非常慢甚至会下载失败,因此我复制“wget”后面的网址,到windows系统中用迅雷下载此文件,大小上G。

    [注:]如果迅雷下载的文件只有几个B大小,那肯定下载错了,需要重新复制链接进行下载。如果迅雷下载太慢甚至多次下载失败,则开会员可以解决。不同于去年我装系统用的更低版本的cuda,无需迅雷,直接官网下载速度也很快。要根据实际情况选择合适的下载方式。

    在windows系统用迅雷下载好后,将.run安装包拷到Ubuntu系统中某个方便找到的文件夹下,在终端进入此文件夹,执行“sudo sh cuda_11.0.2_450.51.05_linux.run”,进入安装界面。安装选项除了450版本的driver不选(这是NVIDIA驱动,系统已经有了更高版本的,系统中NVIDIA驱动版本若是大于450.51.05,则不选;若小于此版本,则要选),其他都选。其他选项默认,很快就完成安装。

    最后,添加环境变量。

    sudo vim /etc/profile
    #在最后添加两行
    export PATH=/usr/local/cuda-11.0/bin${PATH:+:${PATH}}
    export LD_LIBRARY_PATH=/usr/local/cuda-11.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
    #保存并退出
    :wq 回车
    #使它们生效
    source /etc/profile 
    

    在终端输入nvcc -V,若出现下图所示的结果,则说明安装成功、添加环境变量成功

    在这里插入图片描述

    验证cuda是否正常工作:依次在窗口中输入以下命令。输入最后一个命令,如果显示Result = Pass,则安装成功。

    cuda-install-samples-11.0.sh ~  
    cd ~/NVIDIA_CUDA-11.0_Samples 
    make #需等待一段时间
    ./1_Utilities/deviceQuery/deviceQuery 
    

    2.安装cudnn

    进入cudnn官网https://developer.nvidia.com/cudnn登录后在Download的页面选择需要的版本。或直接进入版本选择页面https://developer.nvidia.com/cudnn。我选择下图的版本(为什么,因为其他版本我电脑上迅雷下载总是出错,这个不出错,所以选它)。

    在这里插入图片描述
    选择对应的安装包。我选择第一个(因为其他形式的安装包有好几个,就第一个安装包最简洁,所以选它)。同样,在windows系统中右键选择“迅雷下载”,下载此文件。

    在这里插入图片描述
    下载完成后,将文件拷到Ubuntu系统中。按照官方文档https://docs.nvidia.com/deeplearning/sdk/cudnn-install/的说明进行下载。我们下载了tar file,因此,参考官方文档的这一部分。

    在这里插入图片描述

    3.安装Anaconda(略)

    这一部分网上有较多较好的教程,在此不赘述。建议从清华源等镜像源下载安装包。

    4.conda换源、建立环境、pip换源

    pytorch的安装会涉及到一些模块的下载,如果不换成国内的镜像源,往往导致下载失败。

    (1)conda换源

    在命令行输入命令 gedit ~/.condarc,去除-default,并添加以下内容:
    [注:]我用这些源安装成功了,但还不完善,后续有更优质的源再继续添加。

    auto_activate_base: false
    show_channel_urls: true
    channels:
      - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
      - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
      - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
      - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
      - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
      - https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
      - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
      - https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
    

    (2)建立conda环境

    后面所有的模块都安装在集成环境中,环境也将作为pycharm中的interpreter。建立名为pytorch,包含python3.6的环境

    conda create -n pytorch python=3.6
    

    激活环境

    conda activate pytorch
    

    关闭环境

    conda deactivate
    

    (3)pip换源

    pip包含在建立的conda环境中,先进入名为pytorch的环境,然后将pip换源

    conda activate pytorch
    pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
    

    5.在环境中安装pytorch

    进入名为pytorch的环境(环境的名字可以任意选取)

    conda activate pytorch
    

    回到pytorch的官网,查看安装的方法。去除末尾的 -c pytorch,只输入“conda install pytorch torchvision torchaudio cudatoolkit=11.0”,开始安装。

    在这里插入图片描述
    安装完成后,在pytorch环境的python中import torch,如果不报错,则安装成功.

    在这里插入图片描述

    6.安装pycharm

    进入pycharm官网https://www.jetbrains.com/pycharm/download/#section=linux,选择社区版(不会过期,不用激活码)

    安装包下载后,解压,在终端打开解压后的文件夹。

    cd Downloads/pycharm-版本号/bin
    sh ./pycharm.sh
    

    如果弹出窗口,默认选择就行,这时已经可以进入pycharm软件界面。

    cd /usr/share/applications
    sudo gedit pycharm.desktop
    
    #输入以下内容
    [Desktop Entry]
    Version=1.0
    Type=Application
    Name=Pycharm
    Icon=/home/XXXXXXXX/Downloads/pycharm-版本号/bin/pycharm.png
    Exec=sh /home/XXXXXXX/Downloads/pycharm-版本号/bin/pycharm.sh
    MimeType=application/x-py;
    Name[en_US]=pycharm
    

    这时就能在软件列表里找到pycharm软件。右键“add to favorates”,就能把它添加到任务栏。

    如果在任务栏仍不能启动pycharm,则先从刚刚下载的安装包中启动pycharm.sh。打开pycharm后,选择Tools----Create desktop entry,这时就能在软件中看到pycharm的图标,点击右键,“add to favorates”就能添加到桌面任务栏了。
    打开搜索软件

    展开全文
  • Ubuntu20.04安装cuda10.1

    万次阅读 多人点赞 2020-05-26 23:08:22
    安装前准备 首先要查看你的NVIDIA显卡驱动...因为Ubuntu20.04自带的gcc版本为9.3,而cuda10.1不支持gcc-9,因此要手动安装gcc-7,命令如下: sudo apt-get install gcc-7 g++-7 安装完gcc-7,系统中就存在两个版本

    安装前准备

    CUDA的主要用途是深度学习,而目前主流的深度学习框架Tensorflow2最高支持CUDA 10.1,因此本文讲解在Ubuntu 20.04系统上安装CUDA 10.1的主要过程。

    首先要查看你的NVIDIA显卡驱动是否支持cuda10.1版本。
    在终端执行以下命令:
    nvidia-smi

    在这里插入图片描述

    如果 CUDA Version: … 这里的版本号大于等于10.1(我的是10.2),就可以安装cuda10.1.

    关键点:gcc降级

    因为Ubuntu20.04自带的gcc版本为9.3,而cuda10.1不支持gcc-9,因此要手动安装gcc-7,命令如下:

    sudo apt-get install gcc-7 g++-7

    安装完gcc-7,系统中就存在两个版本的gcc,因此要设置默认的gcc,命令如下:

    sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 9
    sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-9 1
    此命令可以通过update-alternatives设置gcc各版本的优先级,优先级最高的为系统默认版本,可以用下述命令显示其优先级:
    sudo update-alternatives --display gcc

    设置默认的g++也是如此:

    sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-7 9
    sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-9 1

    显示g++优先级:

    sudo update-alternatives --display g++

    按照官网的安装步骤下载并安装CUDA 10.1

    CUDA Toolkit 10.1 update2 Archive
    在这里插入图片描述如上图所示,推荐选择run文件安装,比较简洁。

    1. 当安装界面启动,选择continue。
    2. 然后输入accept,回车。
    3. 由于你的系统中已经有了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。如下图。
      在这里插入图片描述
      移动到Install选项,回车,等待安装完成。

    配置可执行文件及库路径

    安装完成后,需要为CUDA 10.1配置环境。

    1. 首先打开家目录下的.bashrc文件: gedit ~/.bashrc
    2. 在文件的末尾添加如下内容:
    export PATH=/usr/local/cuda-10.1/bin${PATH:+:${PATH}}
    export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
    
    1. 保存并关闭文件,完成配置。
    2. 更新环境:source ~/.bashrc

    安装cuDNN

    下载cuDNN

    Download cuDNN

    打开链接后,网站会要求你登陆,如果没有NVIDIA账号,注册后再登陆。

    在这里插入图片描述
    选择与CUDA 10.1对应的版本(7.6.5),点开后选择 cuDNN Library for Linux,点击下载。(最好选择 cuDNN Library for Linux 这个文件格式安装比较方便

    在这里插入图片描述

    安装cuDNN

    切换到下载文件所在目录,解压下载好的cuDNN压缩文件到当前目录:
    tar zxvf ./cudnn-10.1-linux-x64-v7.6.5.32.tgz -C ./

    将解压出的
    cuda/include/cudnn.h文件复制到/usr/local/cuda/include文件夹

    cuda/lib64/下所有文件复制到/usr/local/cuda/lib64文件夹

    为上述文件添加读取和执行权限:
    sudo chmod 755 /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

    安装完毕



    参考文章:

    Ubuntu 20.04 CUDA&cuDNN安装方法
    Ubuntu:安装 cuda10.1 驱动

    展开全文
  • Ubuntu 20.04 安装 cuda-toolkit-11.0 和 cudnn-8.0.5 1、首先下载安装cuda驱动 按win + A键,打开所有程序,然后找到Software & Update,点击之后选择Additional Drivers,选择其中一个,然后点击Apply changes...

    Ubuntu 20.04 安装 cuda-toolkit-11.0 和 cudnn-8.0.5

    1、首先下载安装cuda驱动

    win + A键,打开所有程序,然后找到Software & Update,点击之后选择Additional Drivers,选择其中一个,然后点击Apply changes,如下图所示:
    在这里插入图片描述

    然后重启系统,在终端中输入nvidia-smi,查看驱动是否安装成功,出来这种表格就算成功了。
    在这里插入图片描述

    2、下载并安装 CUDA Toolkit

    这里下载的是CUDA Toolkit 11.0.3版本。

    wget https://developer.download.nvidia.com/compute/cuda/11.0.3/local_installers/cuda_11.0.3_450.51.06_linux.run
    sudo sh cuda_11.0.3_450.51.06_linux.run 
    

    注意安装的时候,会提示已经有驱动了,这时我们不选择Abort,选择继续安装,然后填入accept
    紧接着,当选择安装哪些组件的时候,需要取消勾选cuda driver,不然会安装失败。安装成功结果如下:
    在这里插入图片描述
    然后添加环境变量到 ~/.bashrc 文件的末尾:

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

    保存退出后,source ~/.bashrc是环境变量生效。

    测试一下装的cuda有没有生效:
    cd /usr/local/cuda/samples/1_Utilities/deviceQuery
    sudo make
    ./deviceQuery
    

    测试成功的话输出如下信息:
    在这里插入图片描述

    3、下载cuDNN

    从官网下载cudnn-11.0-linux-x64-v8.0.5.39.tgz,并进行如下操作:

    tar zxvf cudnn-11.0-linux-x64-v8.0.5.39.tgz 
    sudo cp cuda/include/cudnn* /usr/local/cuda/include
    sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
    sudo chmod a+r /usr/local/cuda/include/cudnn* /usr/local/cuda/lib64/libcudnn*
    

    Enjoy it!!

    参考链接

    Ubuntu 20.04 安装 CUDA Toolkit 的三种方式

    展开全文
  • Ubuntu20.04 安装cuda和cudnn

    千次阅读 热门讨论 2020-08-12 11:24:36
    目录Ubuntu20.04系统显卡2080 Ti 安装cuda和cudnn安装流程第一步:禁用nouveau第二步 Nvidia驱动安装Cuda安装cudnn安装 Ubuntu20.04系统显卡2080 Ti 安装cuda和cudnn 历经千辛万苦,终于完成第一步,先晒一下结果图...

    (推荐一个我自己做的普法公众号,大可说法律,有法律方面咨询的可以关注)

    Ubuntu20.04系统显卡2080 Ti 安装cuda和cudnn

    历经千辛万苦,终于完成第一步,先晒一下结果图:
    CUDA 10.2.89

    cudnn 版本:7.6.5
    在这里插入图片描述本机器配置:
    显卡为:GeForce RTX 2080 Ti Rev. A,其它如下:
    在这里插入图片描述

    安装流程

    Ubuntu系统的安装选择最小安装,Ubuntu安装记得设置密码,否则可能导致驱动安装后无法进入桌面。开始安装之前需安装必要的依赖,并更改好源,一般使用清华源。
    安装依赖可能使用的命令:

    sudo apt-get update
    sudo apt-get upgrade
    sudo apt-get install build-essential
    

    安装流程大致包括:

    • 禁用nouveau
    • Nvidia驱动安装
    • Cuda安装
    • cudnn安装

    第一步:禁用nouveau

    这步操作是为了禁用系统自带的显卡驱动:

    sudo gedit /etc/modprobe.d/blacklist.conf
    

    最后一行添加:

    blacklist nouveau
    options nouveau modeset=0
    

    保存关闭,执行:

    sudo update-initramfs -u
    

    然后重启(切忌不要使用reboot,要使用sudo reboot,否则无效,别问我是怎么知道的,鬼知道我重启了多少次):

    sudo reboot
    

    重启,执行,如果没有输出说明禁用成功了,否则解决这一步的问题:

    lsmod | grep nouveau
    

    第二步 Nvidia驱动安装

    查看机器显卡型号

    lshw -numeric -C display
    

    在官网下载程序https://www.geforce.cn/drivers 搜索相应的驱动程序下载,随后开始安装,然后安装时确保自己没有胡乱安装过别的版本的,包括在软件和更新图形界面的操作,总之确保显卡驱动未安装(没错,就是我胡乱安装了别的版本又安装这个版本导致无法开机,重新装了系统)
    下载好驱动后,进入所在文件夹后,授权并安装:

    sudo chmod a+x NVIDIA-Linux-x86_64-450.57.run
    sudo ./NVIDIA-Linux-x86_64-450.57.run --no-opengl-files --no-x-check --no-nouveau-check
    

    –no-opengl-files 只安装驱动文件,不安装OpenGL文件。这个参数最重要

    –no-x-check 安装驱动时不检查X服务

    –no-nouveau-check 安装驱动时不检查nouveau
    至此,驱动安装成功,可执行下面命令检查:

    nvidia-smi
    

    执行后有如下显示:
    在这里插入图片描述

    第三步Cuda安装

    从 https://developer.nvidia.com/cuda-toolkit-archive 下载对应版本的cuda,选择10.2的版本即可。
    由于Ubuntu20.04自带gcc版本为9.7.0,而Cuda10.2需要添加并切换为gcc7
    (之前安装依赖也是为了这一步,如果只安装gcc7,系统会找不到,可能是我安装的问题吧)
    安装gcc7

    sudo apt install gcc-7 g++-7
    

    查看gcc版本,可以看到目前系统中存在7和9两个版本

    ls /usr/bin/gcc*
    

    使用update-alternatives进行版本切换,输入以下命令:

    sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-9 50
    sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 100
    

    输入以下命令:

    sudo update-alternatives --config gcc
    

    命令查看gcc的默认版本,可以看到当前默认gcc版本为7,即切换成功。
    安装cuda

    sudo sh ./cuda_10.2.89_440.33.01_linux.run 
    

    点击continue 输入 accept,cuda安装包自带的显卡驱动点掉,因为已经安装过了。然后选择install,
    在这里插入图片描述
    配置环境变量:

    gedit ~/.bashrc
    

    在打开的文件最后添加以下语句并保存:

    export PATH=/usr/local/cuda-10.2/bin${PATH:+:${PATH}}
    export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
    

    更新环境变量配置

    source ~/.bashrc
    

    至此,cuda安装完成,输入nvcc -V命令查看cuda信息。
    在这里插入图片描述

    第四步cudnn安装

    从 https://developer.nvidia.com/cudnn 下载cuDNN,需要注册登陆,也可以从我的网盘下载, 链接: https://pan.baidu.com/s/1CVFc6GWicpf7hYI9VqcBsw 密码: j927
    下载解压:

    tar -xvf cudnn-10.2-linux-x64-v7.6.5.32.tgz 
    

    将cuda/include/cudnn.h文件复制到usr/local/cuda/include文件夹,将cuda/lib64/下所有文件复制到/usr/local/cuda/lib64文件夹中,并添加读取权限:

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

    好了,大功告成,输入命令检验:

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

    在这里插入图片描述

    验证

    找到cuda-install-samples-10.2.sh文件,后面/home/archy是你自己的路径。

    /usr/local/cuda-10.2/bin/cuda-install-samples-10.2.sh /home/archy/
    

    结果显示如下:

    Copying samples to /home/archy/NVIDIA_CUDA-10.2_Samples now...
    Finished copying samples.
    

    在home主目录下,找到/NVIDIA_CUDA-10.2_Samples/1_Utilities/deviceQuery,执行命令make &&./deviceQuery

    cd NVIDIA_CUDA-10.2_Samples/1_Utilities/deviceQuery
    make  &&./deviceQuery
    

    显示以下结果:

    
    Detected 1 CUDA Capable device(s)
    
    Device 0: "GeForce RTX 2080 Ti"
      CUDA Driver Version / Runtime Version          11.0 / 10.2
      CUDA Capability Major/Minor version number:    7.5
      Total amount of global memory:                 11011 MBytes (11546329088 bytes)
      (68) Multiprocessors, ( 64) CUDA Cores/MP:     4352 CUDA Cores
      GPU Max Clock rate:                            1635 MHz (1.63 GHz)
      Memory Clock rate:                             7000 Mhz
      Memory Bus Width:                              352-bit
      L2 Cache Size:                                 5767168 bytes
      Maximum Texture Dimension Size (x,y,z)         1D=(131072), 2D=(131072, 65536), 3D=(16384, 16384, 16384)
      Maximum Layered 1D Texture Size, (num) layers  1D=(32768), 2048 layers
      Maximum Layered 2D Texture Size, (num) layers  2D=(32768, 32768), 2048 layers
      Total amount of constant memory:               65536 bytes
      Total amount of shared memory per block:       49152 bytes
      Total number of registers available per block: 65536
      Warp size:                                     32
      Maximum number of threads per multiprocessor:  1024
      Maximum number of threads per block:           1024
      Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
      Max dimension size of a grid size    (x,y,z): (2147483647, 65535, 65535)
      Maximum memory pitch:                          2147483647 bytes
      Texture alignment:                             512 bytes
      Concurrent copy and kernel execution:          Yes with 3 copy engine(s)
      Run time limit on kernels:                     Yes
      Integrated GPU sharing Host Memory:            No
      Support host page-locked memory mapping:       Yes
      Alignment requirement for Surfaces:            Yes
      Device has ECC support:                        Disabled
      Device supports Unified Addressing (UVA):      Yes
      Device supports Compute Preemption:            Yes
      Supports Cooperative Kernel Launch:            Yes
      Supports MultiDevice Co-op Kernel Launch:      Yes
      Device PCI Domain ID / Bus ID / location ID:   0 / 101 / 0
      Compute Mode:
         < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >
    
    deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 11.0, CUDA Runtime Version = 10.2, NumDevs = 1
    Result = PASS
    
    

    验证其他例子的时候发现会提示:

    #error -- unsupported GNU version! gcc versions later than 8 are not supported!
    

    输入命令查看

     ls /usr/local/cuda/bin/
    

    是否包括gcc 和g++两个文件夹。

    bin2c                         cuobjdump                    nvdisasm
    computeprof                   fatbinary                    nvlink
    crt                           nsight                       nv-nsight-cu
    cudafe++                      nsight_ee_plugins_manage.sh  nv-nsight-cu-cli
    cuda-gdb                      nsight-sys                   nvprof
    cuda-gdbserver                nsys                         nvprune
    cuda-install-samples-10.2.sh  nsys-exporter                nvvp
    cuda-memcheck                 nvcc                         ptxas
    cuda-uninstaller              nvcc.profile
    

    如果向上面一样没有gcc和g++,建立软链接,如下操作:

    sudo ln -s /usr/bin/gcc-7 /usr/local/cuda/bin/gcc
    sudo ln -s /usr/bin/g++-7 /usr/local/cuda/bin/g++
    

    操作后显示有g++ 和gcc了,如图:

    bin2c                         fatbinary                    nvdisasm
    computeprof                   g++                          nvlink
    crt                           gcc                          nv-nsight-cu
    cudafe++                      nsight                       nv-nsight-cu-cli
    cuda-gdb                      nsight_ee_plugins_manage.sh  nvprof
    cuda-gdbserver                nsight-sys                   nvprune
    cuda-install-samples-10.2.sh  nsys                         nvvp
    cuda-memcheck                 nsys-exporter                ptxas
    cuda-uninstaller              nvcc
    cuobjdump                     nvcc.profile
    
    

    若操作失误,建立错误gcc或g++,使用sudo rm g++删除重新执行上述命令即可。

    展开全文
  • 因为电脑漏洞的缘故,前几天将Ubuntu18.04换成了20.04,无奈要重装PyTorch等环境,只有CUDA11.0以上版本才支持Ubuntu20.04,所以安装CUDA11.0、cuDNN8.0.5及PyTorch1.7.0。这里记录下过程,以...
  • Ubuntu20.04默认安装的是9.x的版本,后面安装CUDA还得降级,我就直接安装的7.x的版本 安装后可以通过下面命令行查看版本 具体的画面安装的时候没有截图,可以参考这篇博客:Ubuntu20.04安装cuda10.1 1.2 禁用自带...
  • Ubuntu20.04安装cuda10.1和opencv3.2.0

    千次阅读 2020-07-31 15:51:57
    Ubuntu20.04安装cuda10.1和opencv3.2.0 我的电脑用的是RTX 2080 Ti的显卡,系统用的是今年最新的ubuntu20.04的系统,在新的系统上安装cuda和opncv。 以前ubuntu18上也安装过,但是这次在安装的过程中遇到了很多新...
  • cuda9.0需要低版本gcc才能兼容,试了很多教程,最终参考以下链接安装成功,粗略记录一下,免得下次又采坑 1. 安装低版本gcc:gcc-5.5.0,参考以下链接: 不知道是不是一定要配置...Ubuntu 20.04 安装cuda9.0链接 ...
  • Ubuntu 20.04安装CUDA 11

    万次阅读 热门讨论 2020-07-26 11:57:44
    由于Ubuntu软件和更新里的驱动不支持Cuda11,最高支持10.2,所以到Nvidia官网安装最新驱动,我的最新版本号是450.57。 输入显卡信息,搜索 搜索结果,下载 下载完成后将文件移动到主目录下(别问为什么,...
  • Ubuntu20.04安装cuda10.1及cuDNN 如果之前安装过但是失败了,可以通过这个博客进行删除。 参考链接:cuda10.1安装及cuDNN 注意gcc要降级不然会报错,如果刚开始就有显卡驱动,在安装的时候就不要再安装了,cuda里面...
  • Ubuntu20.04安装CUDA11.0和cuDNN8.0

    千次阅读 2020-10-07 22:24:52
    安装CUDA2. 安装cuDNN 1. 安装CUDA CUDA:https://developer.nvidia.com/cuda-toolkit 选择平台,不同的平台有不同安装步骤: 根据下面的命令安装就可以了: $ wget ...
  • Ubuntu20.04安装CUDA10.0

    2021-09-09 21:50:40
    1.在安装过程中,遇到如下错误 图一 报错截图 解决方案一:不要安装OpenGL,对我没有效果 解决方案二:按照提示,阅读nvidia-installer.log文件,文件内容如图二,也就是重启。 图二 文件提示的错误和解决...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 2,157
精华内容 862
关键字:

ubuntu20.04安装cuda