本文是在Ubuntu18.04.5服务器上安装CUDA_10.1(nvidia-driver455)和cuDNN_7.6.5,

  • Ubuntu 18.04.5
  • CUDA_10.1 (nvidia-driver455)
  • cuDNN_7.6.5

一、 前期准备

1、查看系统版本和显卡型号

cat /etc/issue # 查看系统版本

lspci | grep -i nvidia # 查看电脑的显卡型号

![在这里插入图片描述](https://img-blog.csdnimg.cn/20201118163710756.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3N1bl81Zmxvd2Vy,size_16,color_FFFFFF,t_70#pic_center)


2、查看系统是否安装显卡驱动 nvidia-driver

nvidia-smi # 查看显卡驱动情况(此处未安装,应无信息显示)

3、显卡支持的驱动型号

ubuntu-drivers devices # 查看显卡支持的驱动型号

![2-查看显卡硬件型号.png](https://img-blog.csdnimg.cn/img_convert/78a53ebb235eb3983f4ce95012e51cb3.png)

此处可以看到系统推荐的驱动版本是 455:

4、安装推荐版本455的显卡驱动

sudo ubuntu-drivers autoinstall # 安装默认显卡驱动(此处为455)  

5、重启服务器(无其它用户使用服务器)

(sudo) reboot # 立即重启
或
(sudo) shutdown -r now # 立即重启  

6、查看显卡驱动是否安装成功:

nvidia-smi 

 

安装成功会显示
![显卡驱动.png](https://img-blog.csdnimg.cn/img_convert/ba05e258595a3635938cb3da5290c86a.png)

7、卸载已有驱动程序(需要重启才生效)

$ sudo apt-get remove nvidia-*
或
$ sudo apt-get remove --purge nvidia*

二、 RUN方式安装CUDA _10.1 (我有安装过11.0,11.1,后因项目需求又改为10.1,图片有点混)

0、安装之前需要确认已安装gcc和g++

$ gcc --version
$ g++ --version

1、[官网cuda_10.1 下载地址]( https://developer.nvidia.com/cuda-10.1-download-archive-base?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1804&target_type=runfilelocal ):

2、点击下载:cuda_10.1.105_418.39_linux.run
![下载cuda.png](https://img-blog.csdnimg.cn/img_convert/f4492f6500b1390feb367d4e434c5a30.png)

3、上传cuda_10.1.105_418.39_linux.run文件至ubuntu系统上的 home/your_username目录下

4、执行命令安装

sudo sh cuda_10.1.105_418.39_linux.run

5、同意协议:输入accept
![accept安装nvidia.png](https://img-blog.csdnimg.cn/img_convert/d770879e0953dccb674544ce8bb65ec5.png)

6、此处选择是否安装nvidia-driver (回车切换是否选择,我已单独安装nvidia-driver,所以此处选择不安装驱动)

最后选择 install
![是否安装驱动.png](https://img-blog.csdnimg.cn/img_convert/2ba5593cf0c1f55302b6b71b552179c7.png)

7、安装成功
![cuda安装成功.png](https://img-blog.csdnimg.cn/img_convert/306798693ab7a4d2aeafe1804a52857d.png)

8、环境配置(两种方式)

8.1、~.bashrc # 修改home目录下的.bashrc文件,只针对当前用户
8.2、/etc/profile # 修改profile文件,针对所有用户

# 8.1 修改home目录下的.bashrc文件

cd ~ # 切换回home目录
vim .bashrc # 修改.bashrc文件

# add cuda path # 在文件末尾添加路径
export PATH="/usr/local/cuda-11.0/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-11.0/lib64:$LD_LIBRARY_PATH"

:wq # 退出保存 

  

# 8.2 修改profile文件,针对所有用户

sudo vim /etc/profile # 修改/etc/profile文件

# add cuda path # 文件末尾增加以下两行代码
export PATH="/usr/local/cuda-11.0/bin:$PATH"
export LD_LIBRARY_PATH="/usr/local/cuda-11.0/lib64:$LD_LIBRARY_PATH"

:wq # 退出保存   

 9、立即生效(或重启服务器生效)

source .bashrc 
或
source /etc/profile

10、验证安装成功 nvcc -V (注意 是大V)

nvcc -V

![nvcc-V.png](https://img-blog.csdnimg.cn/img_convert/ad6deb5be287d9e624996ada4e76e4c6.png)

11、卸载之前安装的cuda

cd /usr/local/cuda-11.0/bin/
sudo ./cuda-uninstaller
sudo rm -rf /usr/local/cuda-11.0

三、 deb方式安装cuDNN_7.6.5

1、[cudnn官方下载地址](https://developer.nvidia.com/rdp/cudnn-archive)
![cudnn下载.png](https://img-blog.csdnimg.cn/img_convert/86e029bcaea752f8d6661fb56120a252.png)

2、安装方式选择(deb)

tar方式: 直接下载 cuDNN Library for Linux
deb方式: 需要下载 runtime 、developer 和 Samples

推荐使用deb方式安装:使用tar方式安装没有cudnn_doc_v7文件,无法验证是否安装成功;

3、将下载的三个文件copy至 home/your_username目录下
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-eYf3OyZ8-1605688557439)(https://upload-images.jianshu.io/upload_images/8521528-20868727e0606360.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)]

4、执行命令安装3个库文件(先runtime、再developer、最后doc)

sudo dpkg -i libcudnn7_7.6.5.32-1+cuda10.1_amd64.deb
sudo dpkg -i libcudnn7-dev_7.6.5.32-1+cuda10.1_amd64.deb
sudo dpkg -i libcudnn7-doc_7.6.5.32-1+cuda10.1_amd64.deb

5、测试cuDNN是否安装成功

1)复制cuDNN samples到home目录下
$ cp -r /usr/src/cudnn_samples_v7 /$HOME

2) 进入home目录
$ cd $HOME/cudnn_samples_v7/mnistCUDNN/

3) 编译mnistCUDNN 
$ sudo make clean 
$ sudo make

4)运行mnistCUDNN 
$ sudo ./mnistCUDNN

(运行需要一段时间)如果出现Test passed! 表明cuDNN已安装成功。

![cudnn成功.png](https://img-blog.csdnimg.cn/img_convert/b7d3ef9acba7594b493daf0dd63021f7.png)

over! 已成功安装nvidia-driver455 、cuda10.1 、cuDNN_7.6.5。

4、本文参考文章:
[ 1)、Linux 下的 CUDA 安装和使用指南](https://zhuanlan.zhihu.com/p/79059379#:~:text=CUDA%20%E5%AE%89%E8%A3%85%E6%AD%A5%E9%AA%A4%20%E4%B8%80%E8%88%AC%E8%80%8C%E8%A8%80%EF%BC%8C%E5%9C%A8%20Linux%20%E4%B8%8B%E5%AE%89%E8%A3%85%E5%92%8C%E4%BD%BF%E7%94%A8%20CUDA%20%E7%9A%84%E6%B5%81%E7%A8%8B%E5%A6%82%E4%B8%8B%EF%BC%9A%20%E5%AE%89%E8%A3%85,%E6%89%A9%E5%B1%95%E5%BA%93%E8%BF%9B%E8%A1%8C%20GPU%20%E5%8A%A0%E9%80%9F%E7%9A%84%20CUDA%20%E7%BC%96%E7%A8%8B%20%E6%9C%AC%E6%96%87%E5%90%8E%E5%8D%8A%E9%83%A8%E5%88%86%E5%B0%86%E6%A0%B9%E6%8D%AE%E4%BB%A5%E4%B8%8A%E6%B5%81%E7%A8%8B%E4%BB%8B%E7%BB%8D%20CUDA%20%E5%AE%89%E8%A3%85%E5%92%8C%E4%BD%BF%E7%94%A8%E7%9A%84%E8%AF%A6%E7%BB%86%E6%AD%A5%E9%AA%A4%E3%80%82)
[2)、NVIDIA cuDNN v8 deb方法安装教程](https://zhuanlan.zhihu.com/p/126997172)
[3)、Linux下安装CUDA并配置环境变量](https://blog.csdn.net/liu_feng_zi_/article/details/107234271)
[4)、Linux查看GPU信息和使用情况](https://www.cnblogs.com/weifeng1463/p/10025813.html)

 

分类:

技术点: