Ubuntu14.04升级CUDA8.0解决Geforcegtx1080报错

"本文主要介绍如何在Ubuntu 14.04上从CUDA 7.5升级至CUDA 8.0，以及安装对应的cuDNN 5.0，并解决因显卡更换导致的编译问题。" 在进行深度学习或者计算机视觉相关的计算任务时，CUDA是一个必不可少的工具，它为NVIDIA GPU提供了高效的并行计算能力。在这个过程中，用户从GeForce GTX 750 Ti升级到了GeForce GTX 1080，由于新显卡对CUDA版本的要求，需要从CUDA 7.5升级到CUDA 8.0。在尝试复现RPN_BF项目时，由于显存不足，出现了错误。尽管1080拥有8GB显存，但错误可能是由于CUDA版本不匹配导致的。 首先，要卸载旧版CUDA。在卸载CUDA 7.5时，应进入`/usr/local/cuda-7.5/bin`目录并执行`uninstall_cuda_7.5.pl`脚本。不过，这个过程可能不会完全清除所有相关文件，因此需要手动检查并删除剩余的CUDA 7.5目录。 接下来，安装CUDA 8.0。可以下载`.run`安装文件，通过在终端中运行`sudo sh cuda_8.0.44_linux.run`来启动安装过程。安装过程中，根据提示选择合适的选项，并确保安装路径正确。安装完成后，需要更新系统环境变量，使得系统能够找到新的CUDA路径。这可以通过编辑`~/.bashrc`文件完成，添加以下两行： ```bash 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}} ``` 保存并关闭文件后，执行`source ~/.bashrc`使更改生效。然后，通过运行CUDA的样例程序来测试安装是否成功。如果程序运行正常，显示GPU信息并返回"PASS"，则说明CUDA 8.0已成功安装。 之后，安装cuDNN 5.0，这是针对CUDA 8.0的版本。cuDNN是一个深度神经网络库，加速了卷积神经网络的计算。解压缩下载的cuDNN文件，然后将包含的头文件和库文件复制到CUDA的相应目录。通常步骤如下： 1. 解压下载的cuDNN档案：`tar -zxvf cudnn-8.0-linux-x64-v5.0-ga.tgz` 2. 将`include`目录下的`cudnn.h`复制到`/usr/local/cuda-8.0/include` 3. 将`lib64`目录下的`libcudnn*`库文件复制到`/usr/local/cuda-8.0/lib64` 4. 更新库链接：`sudo ldconfig` 完成以上步骤后，理论上应该可以解决由于CUDA版本不匹配导致的问题，使得RPN_BF项目能够在新显卡上正确运行。如果仍然遇到编译错误，可能需要重新编译项目的MEX文件，以适应新的CUDA和cuDNN环境。在MATLAB中，可以使用`mex -setup`命令来选择合适的编译器，然后重新编译有问题的MEX文件。确保编译选项和依赖项与新安装的CUDA和cuDNN版本兼容。 升级CUDA和cuDNN是一个重要的步骤，特别是对于需要大量计算资源的深度学习项目。通过正确地卸载旧版本、安装新版本以及更新环境变量，可以确保软件环境与硬件配置保持一致，从而发挥GPU的最大效能。