ubantu配置cuDNN

Ubuntu上配置CUDA和cuDNN通常是为了支持深度学习在GPU上的加速。以下是基本步骤：

1. **安装CUDA**:
- 首先，访问NVIDIA的CUDA官网下载对应版本的CUDA Toolkit，适用于Ubuntu的Debian或Ubuntu二进制包。
- 安装时需要遵循官方文档，一般涉及到添加NVIDIA GPG密钥、添加APT源，然后通过`sudo apt-get install cuda`命令安装。

2. **更新主机文件**:
更新主机文件，以便系统能够识别GPU设备，打开`/etc/hosts`文件并添加类似 `06:00.0 NVIDIA GPU` 的显卡地址。

3. **安装cuDNN**:
- CUDA Toolkit中会包含cuDNN库的基本依赖，但如果需要最新版本，你需要从NVIDIA的cuDNN官网下载cuDNN SDK，并解压到CUDA的lib64（或对应CUDA版本路径）下。
- 按照cuDNN的安装指南配置环境变量。

4. **验证安装**:
- 运行`nvcc --version`检查是否能看到CUDA版本，以及`cudnnVersion()`（如果在Python中使用TensorFlow或PyTorch）确认cuDNN版本。

5. **设置环境变量**:
- 将CUDA和cuDNN的路径添加到系统的PATH环境变量中，例如编辑`~/.bashrc`或`~/.bash_profile`。

6. **重启终端**:
为了应用新配置，关闭当前终端窗口，然后打开一个新的终端。

相关问题

ubuntu安装 cudnn

在Ubuntu上安装cuDNN通常需要以下步骤：

1. **下载cuDNN**：首先访问NVIDIA官网（https://developer.nvidia.com/cudnn），下载适合你的CUDA版本的cuDNN。注意选择适用于Ubuntu的版本，并根据你的GPU架构（比如CPU系列）选择合适的包。

2. **更新依赖**：在安装之前，确保你的系统已经是最新的，可以使用`sudo apt update && sudo apt upgrade`命令。

3. **安装依赖**：cuDNN有时需要特定的依赖项才能安装，比如build-essential、cuda-cubin-tools等，可以使用`sudo apt install build-essential cuda-command-line-tools libncurses5-dev libcurl4-openssl-dev`。

4. **解压和配置**：将下载的cuDNN压缩包解压到合适的位置，然后创建一个名为`install.txt`的文件，内容类似`-- Silence is golden - /usr/local/cuda`，这告诉cuDNN安装在哪里。

5. **运行安装脚本**：进入解压目录，执行`bash install_file_name.run`，这里填写你刚才创建的安装文件名。

6. **完成安装**：脚本会引导你完成剩余的安装过程，包括添加环境变量和设置库路径。

7. **验证安装**：安装完成后，你可以按照前面提到的方法检查cuDNN的安装位置、环境变量设置以及运行测试程序来验证安装是否成功。

8. **添加开机启动**：为了每次启动都无需手动配置，可以将cuDNN的相关环境变量添加到`~/.bashrc`或`~/.profile`文件中，然后运行`source ~/.bashrc`（或重启）使更改生效。

记住，不同的cuDNN版本可能会有不同的安装步骤，确保遵循官方文档中的指导。

ubuntu安装cuDNN

首先，cuDNN是NVIDIA专门为深度学习框架提供的加速库，它可以优化卷积神经网络的训练和推理过程。如果你想在Ubuntu上使用cuDNN，需要安装CUDA和cuDNN两个软件包。

下面是具体的安装步骤：

1. 安装CUDA
首先，你需要先安装CUDA，可以从NVIDIA的官网上下载对应版本的CUDA安装包。下载完成后，打开终端，进入到安装包所在的目录，执行以下命令进行安装：

   sudo dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64.deb
   sudo apt-get update
   sudo apt-get install cuda

2. 安装cuDNN
下载对应版本的cuDNN安装包，需要注意的是，cuDNN需要与已安装的CUDA版本对应。下载完成后，解压缩文件，执行以下命令进行安装：

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

安装完成后，可以通过以下命令检查cuDNN是否正确安装：

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

如果输出结果中显示了CUDA和cuDNN的版本信息，则说明安装成功。

3. 配置环境变量
在终端中打开.bashrc文件，在文件末尾添加以下两行：

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

至此，cuDNN的安装和配置就完成了。如果你想在深度学习框架中使用cuDNN加速，只需要将对应的库链接到项目中即可。