Ubuntu CUDA 10.1 & cuDNN 7.6 安装包及NVIDIA驱动430版下载
1星 需积分: 10 121 浏览量
更新于2024-09-04
3
收藏 118B TXT 举报
"该资源包含Ubuntu系统上的CUDA 10.1、cuDNN 7.6以及NVIDIA显卡驱动430.14的安装包,已上传至百度云链接供用户下载。"
在Ubuntu系统中安装CUDA、cuDNN以及NVIDIA显卡驱动是进行深度学习和高性能计算的关键步骤。CUDA是NVIDIA公司提供的一个并行计算平台,它允许开发者利用GPU的计算能力来加速应用。而cuDNN(CUDA Deep Neural Network)是NVIDIA专门为深度神经网络设计的一套库,包含了针对卷积神经网络(CNN)、循环神经网络(RNN)等计算优化的库函数。
首先,我们需要安装NVIDIA显卡驱动。提供的版本是430.14,这是一个稳定版驱动,兼容性较好。安装前确保关闭X Window系统(可使用命令`sudo service lightdm stop`),然后在终端运行以下命令解压并安装驱动:
```bash
# 下载驱动
wget http://download.nvidia.cn/XFree86/Linux-x86_64/430.14/NVIDIA-Linux-x86_64-430.14.run
# 设置可执行权限
chmod +x NVIDIA-Linux-x86_64-430.14.run
# 安装驱动
sudo ./NVIDIA-Linux-x86_64-430.14.run -no-opengl-files
```
安装过程中可能需要按提示操作,例如接受许可协议和选择安装模式。安装完成后,重启系统使驱动生效。
接着,我们安装CUDA 10.1。CUDA的安装包是cuda_10.1.243_418.87.00_linux.run,同样需要设置可执行权限并运行安装脚本:
```bash
# 下载CUDA
wget https://pan.baidu.com/s/1SnStJaKv4iEhHzENaO7xNg -O cuda_10.1.243_418.87.00_linux.run
# 解压并安装
chmod +x cuda_10.1.243_418.87.00_linux.run
sudo ./cuda_10.1.243_418.87.00_linux.run --override --toolkit --no-opengl-headers
```
安装过程中,可以选择不安装示例和头文件,以节省磁盘空间。安装后,需要添加环境变量到系统配置中:
```bash
echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc
```
最后,我们安装cuDNN 7.6。cuDNN的版本为cudnn-10.1-linux-x64-v7.6.4.38,通常包括头文件和库文件。解压后,将它们复制到CUDA安装目录下的相应位置:
```bash
# 解压cuDNN
tar -zxvf cudnn-10.1-linux-x64-v7.6.4.38.tgz
# 复制到CUDA目录
sudo cp -P cudnn-10.1-linux-x64-v7.6.4.38/cuda/include/* /usr/local/cuda/include/
sudo cp -P cudnn-10.1-linux-x64-v7.6.4.38/cuda/lib64/* /usr/local/cuda/lib64/
# 更新符号链接
sudo ldconfig
```
完成以上步骤后,可以通过运行`nvidia-smi`检查CUDA是否安装成功,通过运行包含cuDNN操作的简单程序(如LeNet)来验证cuDNN是否正确配置。如果一切顺利,现在你的Ubuntu系统已经准备好了进行GPU加速的深度学习计算。记得在进行深度学习框架(如TensorFlow或PyTorch)的安装时指定对应的CUDA和cuDNN版本,以确保兼容性。
2020-01-29 上传
2020-08-03 上传
2020-12-12 上传
2021-06-24 上传
2021-08-24 上传
2022-05-28 上传
2021-01-18 上传
2020-12-07 上传
NcepuKZH
- 粉丝: 69
- 资源: 13
最新资源
- 探索数据转换实验平台在设备装置中的应用
- 使用git-log-to-tikz.py将Git日志转换为TIKZ图形
- 小栗子源码2.9.3版本发布
- 使用Tinder-Hack-Client实现Tinder API交互
- Android Studio新模板:个性化Material Design导航抽屉
- React API分页模块:数据获取与页面管理
- C语言实现顺序表的动态分配方法
- 光催化分解水产氢固溶体催化剂制备技术揭秘
- VS2013环境下tinyxml库的32位与64位编译指南
- 网易云歌词情感分析系统实现与架构
- React应用展示GitHub用户详细信息及项目分析
- LayUI2.1.6帮助文档API功能详解
- 全栈开发实现的chatgpt应用可打包小程序/H5/App
- C++实现顺序表的动态内存分配技术
- Java制作水果格斗游戏:策略与随机性的结合
- 基于若依框架的后台管理系统开发实例解析