Ubuntu16安装CUDA(9.1)和cuDNN的实现步骤(图文)

更新时间：2021年07月15日 10:17:13 作者：程序员欣宸

本文主要介绍了Ubuntu16安装CUDA(9.1)和cuDNN，文中通过图文介绍的非常详细，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

本篇概览

自己有一台2015年的联想笔记本，显卡是GTX950M，已安装ubuntu 16.04 LTS桌面版，为了使用其GPU完成deeplearning4j的训练工作，自己动手安装了CUDA和cuDNN，在此将整个过程记录下来，以备将来参考，整个安装过程分为以下几步：

准备工作
安装Nvidia驱动
安装CUDA
安装cuDNN

特别问题说明

按照一般步骤，在安装完Nvidia显卡驱动后，会提示对应的CUDA版本，接下来按照提示的版本安装CUDA，例如我这里提示的是11.2，正常情况下，我应该安装11.2版本的CUDA
但是我选择9.1版本就行安装，因为之前的开发中发现deeplearning4j使用了11.2的SDK后，启动应用会有ClassNotFound的错误，此问题至今未修复(惭愧，欣宸水平如此之低…)，因此，我在Nvidia驱动提示11.2版本的情况下，依然安装了9.1版本，后来在此环境运行deeplearning4j应用一切正常
如果您没有我这类问题，完全可以按照驱动指定的版本来安装CUDA，具体的操作步骤稍后会详细说到；

准备工作

接下来的操作，除了在网页下载，其余都是ssh远程连接到ubuntu机器操作的，ssh登录的帐号为普通帐号，并非root
如果已有驱动，请先删除

sudo apt-get remove --purge nvidia*

禁用nouveau驱动（很重要），用vi打开文件/etc/modprobe.d/blacklist.conf，在尾部增加以下内容，然后保存退出：

blacklist nouveau
blacklist lbm-nouveau
options nouveau modeset=0
alias nouveau off
alias lbm-nouveau off

关闭nouveau：

echo options nouveau modeset=0 | sudo tee -a /etc/modprobe.d/nouveau-kms.conf

更新initramfs:

update-initramfs -u

执行reboot重启电脑

重启后，执行以下命令，应该不会有任何输出，证明nouveau已经禁用：

lsmod|grep nouveau

获取Kernel source：

sudo apt-get install linux-source

安装过程中显示信息如下图：

在这里插入图片描述

根据上图红框中的信息，可知内核版本号为，于是执行以下命令：

sudo apt-get install linux-headers-4.4.0-210-generic

下载和安装Nvidia驱动

访问Nvidia网站，地址https://www.nvidia.cn/Download/index.aspx?lang=cn，然后选择对应的显卡和操作系统，我的选择如下图所示：

在这里插入图片描述

点击上图搜索按钮后，进入下图页面，点击下载：

在这里插入图片描述

下载得到的文件名为NVIDIA-Linux-x86_64-460.84.run

关闭图形页面：

sudo service lightdm stop

给驱动文件增加可执行权限：

sudo chmod a+x NVIDIA-Linux-x86_64-460.84.run

开始安装：

sudo ./NVIDIA-Linux-x86_64-460.84.run -no-x-check -no-nouveau-check -no-opengl-files

遇到下图，选择红框：

在这里插入图片描述

遇到下图，直接回车：

在这里插入图片描述

恢复图形页面：

sudo service lightdm start

执行命令nvidia-smi，如果驱动安装成功，会显示以下内容：

will@lenovo:~/temp/202106/20$ nvidia-smi
Sun Jun 20 09:02:11 2021       
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 460.84       Driver Version: 460.84       CUDA Version: 11.2     |
|-------------------------------+----------------------+----------------------+
| GPU  Name        Persistence-M| Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp  Perf  Pwr:Usage/Cap|         Memory-Usage | GPU-Util  Compute M. |
|                               |                      |               MIG M. |
|===============================+======================+======================|
|   0  GeForce GTX 950M    Off  | 00000000:01:00.0 Off |                  N/A |
| N/A   41C    P0    N/A /  N/A |      0MiB /  4046MiB |      1%      Default |
|                               |                      |                  N/A |
+-------------------------------+----------------------+----------------------+
                                                                               
+-----------------------------------------------------------------------------+
| Processes:                                                                  |
|  GPU   GI   CI        PID   Type   Process name                  GPU Memory |
|        ID   ID                                                   Usage      |
|=============================================================================|
|  No running processes found                                                 |
+-----------------------------------------------------------------------------+

从上述内容可见CUDA Version: 11.2表示该驱动对应的CUDA版本应该是11.2，正如前面所说，我这边遇到了问题，因此接下来会安装9.1版本，但是您可以选择安装11.2

安装CUDA

浏览器访问https://developer.nvidia.com/cuda-toolkit-archive，点击红框中的链接：

在这里插入图片描述

如下图，下载Linux版本：

在这里插入图片描述

继续选择x86_64：

在这里插入图片描述

选择具体的Linux版本及其版本号：

在这里插入图片描述

要下载的东西不少，一个安装程序和三个补丁：

在这里插入图片描述

上述四个文件的下载地址整理如下：

https://developer.download.nvidia.cn/compute/cuda/9.1/secure/Prod/local_installers/cuda_9.1.85_387.26_linux.run?P0Ntu_6NLtuuEMm6fJRk1W5vl4KM7oaT1oFW870zKJ-zDw2ckKntFLOE6klRJfw2CmTa8z3Q390_6urlgc6LqjoqlIFW9gvfvDCusnINYplLaw1u8lRY8R4oVNtpNzaXU4BQcHjvdb6c6rjq20dktCcRd4640woXt1yHmD95v1Du7wdBBXq2eOY

https://developer.download.nvidia.cn/compute/cuda/9.1/secure/Prod/patches/1/cuda_9.1.85.1_linux.run?yeXf_7wIGlHAUw--E_YVLQZRgXv0x2i043woJVY-ydXU5Kyhc-eYQf5JmL-4mvYmlvPYCEc5RhT2sDWscX20CJbdOwpkt30kWb9vx8E4oIlajDQ3MVPvXdiKKsIOBUx-h0q0N0jSkNn80VMhW-nk8jwvRY_e6MuFzqWBaPk

https://developer.download.nvidia.cn/compute/cuda/9.1/secure/Prod/patches/2/cuda_9.1.85.2_linux.run?5jGZxNigaOJkaaPbMagjhSW7ebQvYGyYoqe2vBxZ1eV8qp2BzXJLxIPgAo11UgWhORirQkdJGq5b8eFh4aShBVUTmuPaasvRiMCKDZw5yjjIobGQrCEyU-LFO59AbrRER57Mxa0T1Sc97fC80IOZq8Ox2repjn7A3oYVgd8

https://developer.download.nvidia.cn/compute/cuda/9.1/secure/Prod/patches/3/cuda_9.1.85.3_linux.run?CxWimJTC-XROYihig-UZmH62odbJInf1fmxTZ_bsW1nQ0Zz5cL5r8qLmlMR_1j2rVhk3j8Z5lS6dpArt8frjGHH2MeVn5TefMoclam8udm-RSMMmqHXYE66hHN2D0drVEdtCwe8ZrEIYb2rpucaz9svCFE8Z319mge4Ju94

下载完毕后，执行命令chmod a+x *.run为上述四个文件增加可执行权限

安装CUDA：

sudo sh cuda_9.1.85_387.26_linux.run

遇到license时，像是用vi工具那样，输入":"，再输入"q"回车，就能跳过license阅读，执行真正的安装操作了：

在这里插入图片描述

接下来是一系列提问，每一个提问的回答如下图，千万注意红框中的问题一定要选择n：

在这里插入图片描述

安装完成后输出以下内容：

Installing the CUDA Toolkit in /usr/local/cuda-9.1 ...
Missing recommended library: libGLU.so
Missing recommended library: libX11.so
Missing recommended library: libXi.so
Missing recommended library: libXmu.so
Missing recommended library: libGL.so

Installing the CUDA Samples in /home/will ...
Copying samples to /home/will/NVIDIA_CUDA-9.1_Samples now...
Finished copying samples.

===========
= Summary =
===========

Driver:   Not Selected
Toolkit:  Installed in /usr/local/cuda-9.1
Samples:  Installed in /home/will, but missing recommended libraries

Please make sure that
 -   PATH includes /usr/local/cuda-9.1/bin
 -   LD_LIBRARY_PATH includes /usr/local/cuda-9.1/lib64, or, add /usr/local/cuda-9.1/lib64 to /etc/ld.so.conf and run ldconfig as root

To uninstall the CUDA Toolkit, run the uninstall script in /usr/local/cuda-9.1/bin

Please see CUDA_Installation_Guide_Linux.pdf in /usr/local/cuda-9.1/doc/pdf for detailed information on setting up CUDA.

***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 384.00 is required for CUDA 9.1 functionality to work.
To install the driver using this installer, run the following command, replacing <CudaInstaller> with the name of this run file:
    sudo <CudaInstaller>.run -silent -driver

Logfile is /tmp/cuda_install_13425.log

打开文件~/.bashrc，在尾部增加以下两行(LD_LIBRARY_PATH如果已经存在，请参考PATH的写法改成追加)：

export PATH=/usr/local/cuda-9.1/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-9.1/lib64

执行命令source ~/.bashrc使配置生效

执行命令su -切换到root帐号，执行以下命令（不要用sudo，而是切到root帐号）：

sudo echo "/usr/local/cuda-9.1/lib64" >> /etc/ld.so.conf

再以root身份执行以下命令：

ldconfig

执行命令exit退出root身份，现在又是普通帐号的身份了

执行命令nvcc -V检查CUDA版本，注意参数V是大写：

will@lenovo:~$ nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2017 NVIDIA Corporation
Built on Fri_Nov__3_21:07:56_CDT_2017
Cuda compilation tools, release 9.1, V9.1.85

安装第一个补丁：

sudo sh cuda_9.1.85.1_linux.run

安装第二个补丁：

sudo sh cuda_9.1.85_387.26_linux.run

安装第三个补丁：

sudo sh cuda_9.1.85_387.26_linux.run

安装cuDNN

浏览器访问https://developer.nvidia.com/zh-cn/cudnn：

在这里插入图片描述

按提示登录，如果没有帐号请注册一个，登录后进入下载页面，需要点击下图红框位置才有能见到老版本：

在这里插入图片描述

选择与CUDA匹配的版本：

在这里插入图片描述

下载后解压，得到文件夹cuda，然后执行以下命令：

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
sudo chmod a+r /usr/local/cuda/lib64/libcudnn*

执行检查确认的命令cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2，如果安装顺利会有以下输出：

#define CUDNN_MAJOR 7
#define CUDNN_MINOR 1
#define CUDNN_PATCHLEVEL 3
--
#define CUDNN_VERSION    (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)

#include "driver_types.h"

至此，Ubuntu16安装CUDA(9.1)和cuDNN已经完成了，希望能给您一些参考。

到此这篇关于Ubuntu16安装CUDA(9.1)和cuDNN的实现步骤(图文)的文章就介绍到这了,更多相关Ubuntu16安装CUDA(9.1)和cuDNN内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

Python3转换html到pdf的不同解决方案
今天小编就为大家分享一篇关于Python3转换html到pdf的不同解决方案，小编觉得内容挺不错的，现在分享给大家，具有很好的参考价值，需要的朋友一起跟随小编来看看吧
2019-03-03
详解python的集合set的函数
这篇文章主要为大家介绍了python的集合set的函数，具有一定的参考价值，感兴趣的小伙伴们可以参考一下，希望能够给你带来帮助
2022-01-01
python爬虫模拟登录人人网过程解析
这篇文章主要介绍了python爬虫模拟登录人人网过程解析,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,需要的朋友可以参考下
2019-07-07
Python Des加密解密如何实现软件注册码机器码
这篇文章主要介绍了Python Des加密解密如何实现软件注册码机器码,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,需要的朋友可以参考下
2020-01-01
PyQt5实现将Matplotlib图像嵌入到Scoll Area中显示滚动条效果
我想知道是否有一种方法可以在matplotlib上显示滚动条(水平或垂直),显示包含多个子槽(sublot2grid)的页面(plt.show).下面就通过本文给大家分享PyQt5实现将Matplotlib图像嵌入到Scoll Area中显示滚动条效果，对PyQt5 Matplotlib图像嵌入相关知识感兴趣的的朋友一起看看吧
2021-05-05
Python基于面向对象做一个文件夹整理工具
这篇文章主要给大家介绍了Python基于面向对象做一个文件夹整理工具,文中的示例代码讲解详细,具有一定的参考价值,感兴趣的小伙伴可以跟随小编一起学习一下
2024-02-02
详解Python+Pyecharts实现漏斗图的绘制
漏斗图是一个简单的散点图，反映研究在一定样本量或精确性下单个研究的干预效应估计值。本文将用Python Pyecharts实现漏斗图的绘制，需要的可以参考一下
2022-06-06
Python标准库json模块和pickle模块使用详解
这篇文章主要介绍了Python标准库json模块和pickle模块使用详解,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,需要的朋友可以参考下
2020-03-03
Python条件分支 if 语句全讲解(一文掌握)
在Python编程中,布尔运算符有明确的优先级顺序,影响代码逻辑判断,从高到低依次是:括号()、not、and、or,括号用于明确运算顺序,not具有次高优先级,影响单个布尔值,and和or则根据优先级顺序结合布尔值,正确理解和应用这些优先级对于编写有效和准确的条件语句至关重要
2024-10-10
python中upper是做什么用的
在本篇文章里小编给大家整理的是一篇关于python中upper的作用的相关文章，有需要的朋友们可以参考下。
2020-07-07