欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

Ubuntu18.04安装CUDA10.1+CUDNN7.6.5.32+TensorRT-6.0.1.5(GTX1070)

程序员文章站 2022-07-05 18:17:36
...

       因为学习CUDA编程,需要搭建CUDA编程环境,需要用到TensorRT,所以连TensorRT一块安装了,安装之前最重要的一步就是确认自己的显卡是不是支持CUDA编程,支持cuda的显卡只有NVidia的显卡,NVidia的显卡有GTX Geforce, Quadra 和 Tesla三个大系列,根据自己的显卡型号去以下网站查询对应的CUDA版本:

https://developer.nvidia.com/cuda-gpus

如下图所示,发现我的显卡GTX1070是支持的。

Ubuntu18.04安装CUDA10.1+CUDNN7.6.5.32+TensorRT-6.0.1.5(GTX1070)

确认自己的显卡是支持CUDA编程后,开始刺激惊险的安装之旅了,前方有坑,不要怕。

一.安装Ubuntu18.04

1.去下载网站:http://releases.ubuntu.com/bionic/ 下载ubuntu-18.04.5-desktop-amd64.iso安装包

2.找个U盘制作安装盘(假设你已会,用UltraISO软件制作)

3.插上U盘,BIOS设置成U盘启动,开始系统安装之旅,一路默认下去,很快就会安装好。

坑:安装过程不要选择安装后自动下载更新,否则会是漫长的等待。

二.安装NVIDIA驱动

打开软件和更新,如下图:

Ubuntu18.04安装CUDA10.1+CUDNN7.6.5.32+TensorRT-6.0.1.5(GTX1070)

 

点击后打开下图所示窗口:

Ubuntu18.04安装CUDA10.1+CUDNN7.6.5.32+TensorRT-6.0.1.5(GTX1070)

单击“附加驱动”,进入下图所示界面:
 

Ubuntu18.04安装CUDA10.1+CUDNN7.6.5.32+TensorRT-6.0.1.5(GTX1070)

 

选中要安装的版本,开始下载安装,完成后点击“应用修改”。

坑:好多文章指导自己下载驱动文件,用命令行的方式进行安装,看似高大上,命令一大堆,实际有许多坑,一步不小心,就会掉坑里,什么循环登录、界面太大,鼠标指针不动之类的问题。这种图形界面安装的方式也许是最省心的安装方式。

三.安装CUDA10.1

1.cuda安装包下载网址:https://developer.nvidia.com/cuda-10.1-download-archive-update2?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1804&target_type=runfilelocal

如下图所示,选择正确的版本,开始安装,不推荐选择deb类型,可能会安装失败。

Ubuntu18.04安装CUDA10.1+CUDNN7.6.5.32+TensorRT-6.0.1.5(GTX1070)

按照网页上的安装指导指令,开始下载,如下图所示:

Ubuntu18.04安装CUDA10.1+CUDNN7.6.5.32+TensorRT-6.0.1.5(GTX1070)

 

文件很大,2.6G,下载速度一般不会很快,以下就是漫长的等待,先喝杯咖啡消消火。

下载完成后开始安装,执行命令:

sudo sh cuda_10.1.243_418.87.00_linux.run

结果如下图所示:

Ubuntu18.04安装CUDA10.1+CUDNN7.6.5.32+TensorRT-6.0.1.5(GTX1070)

选择Continue,进入下一界面:

Ubuntu18.04安装CUDA10.1+CUDNN7.6.5.32+TensorRT-6.0.1.5(GTX1070)

最下面输入文本内容accpet,然后回车,进入下一界面:

Ubuntu18.04安装CUDA10.1+CUDNN7.6.5.32+TensorRT-6.0.1.5(GTX1070)

把Driver项勾选掉,不安装驱动,只安装其他项,

[]内没有X就是没选中,这个X迷惑人,还以为带X的是不安装,其实正好相反,是安装的意思,估计没法把对号显示,才用X来表示的吧。

选中Install,回车,开始安装。

Ubuntu18.04安装CUDA10.1+CUDNN7.6.5.32+TensorRT-6.0.1.5(GTX1070)

接下来开始添加环境变量

执行命令:

sudo gedit ~/.bashrc

打开文件后,将下面内容添加到文件的最后面,保存后退出

export PATH=/usr/local/cuda-10.1/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

然后设置环境变量和动态链接库,执行命令:

sudo gedit /etc/profile

在打开的文件末尾加入:

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

保存后退出,然后创建链接文件,执行命令:

sudo gedit /etc/ld.so.conf.d/cuda.conf

在打开的文件中添加如下语句:

/usr/local/cuda/lib64

保存后退出,执行命令,使链接立即生效:

sudo ldconfig

输入命令,验证是否安装成功:

nvcc --version

若是安装成功,出现如下图所示信息:

Ubuntu18.04安装CUDA10.1+CUDNN7.6.5.32+TensorRT-6.0.1.5(GTX1070)

cudnn安装成功了!

四.安装CUDNN7.6.5.32

1.下载地址:https://developer.nvidia.com/rdp/cudnn-archive

打开下载网页之后,如下图所示,选择和cuda版本对应的版本,之所以选择7.6.5版本是因为要和TensorRT对应,如果选择了8.0.2,结果会找不到对应的tensorRT的版本。

Ubuntu18.04安装CUDA10.1+CUDNN7.6.5.32+TensorRT-6.0.1.5(GTX1070)

使用命令解压文件cudnn-10.1-linux-x64-v7.6.5.32.tgz,并且复制到cuda路径中,命令如下图所示:

tar -zxvf cudnn-10.1-linux-x64-v7.6.5.32.tgz
cd cuda    
sudo cp lib64/lib* /usr/local/cuda/lib64/    
sudo cp include/cudnn.h /usr/local/cuda/include/ 

然后更新链接:

cd /usr/local/cuda/lib64/  
sudo chmod +r libcudnn.so.7.6.5  
sudo ln -sf libcudnn.so.7.6.5 libcudnn.so.7  
sudo ln -sf libcudnn.so.7 libcudnn.so  
sudo ldconfig 

查看cudnn版本是否安装好

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

如果出现下列显示,则安装成功

Ubuntu18.04安装CUDA10.1+CUDNN7.6.5.32+TensorRT-6.0.1.5(GTX1070)

五、安装TensorRT

1.下载地址:https://developer.nvidia.com/nvidia-tensorrt-6x-download

要根据系统版本和cuda的版本来选择对应的TensorRT版本,一定要对应,否则会有问题,啥问题?就是版本不对的问题,如下图所示:

Ubuntu18.04安装CUDA10.1+CUDNN7.6.5.32+TensorRT-6.0.1.5(GTX1070)

点击下载链接,等待下载完成,可以去喝杯咖啡了,下载完成后,文件如下图所示:

Ubuntu18.04安装CUDA10.1+CUDNN7.6.5.32+TensorRT-6.0.1.5(GTX1070)

执行以下命令,解压tar包:

tar -xzvf TensorRT-6.0.1.5.Ubuntu-18.04.x86_64-gnu.cuda-10.1.cudnn7.6.tar.gz

得到TensorRT-6.0.1.5文件夹,把文件夹拷贝到指定目录下,目录自己指定,我是拷贝到了/usr/local/目录下,命令如下:

 sudo cp -r TensorRT-6.0.1.5 /usr/local/

添加环境变量:

export LD_LIBRARY_PATH=/usr/local/TensorRT-6.0.1.5/lib:$LD_LIBRARY_PATH
export CUDA_INSTALL_DIR=/usr/local/cuda-10.1
export CUDNN_INSTALL_DIR=/usr/local/cuda-10.1

执行source命令:

 source ~/.bashrc

安装是否成功,我还没有验证。

相关标签: cuda