本文共 1818 字，大约阅读时间需要 6 分钟。

Ubuntu16.04 装 CUDA 和 cuDNN

前言

显卡驱动已安装完成。笔者将在 Ubuntu16.04 环境下，使用 Python2.7，后续将安装 TensorFlow-GPU。显卡计算能力为460.67，最高可支持 CUDA 11.2 版本。基于此，选择安装 CUDA 10.1 和 cuDNN 7.6进行操作。

CUDA 安装

1. 查看系统位数

在终端中执行以下命令获取系统位数信息：

sudo uname --m

结果显示为 x86_64，确认系统兼容性。

2. 下载 CUDA

进入 官方下载页面（注：此链接为示例），选择 CUDA 10.1 更新版。下载完成后， placing 在 Home 文件夹下。

3. 安装 CUDA

双击运行下载的 .run 文件，在终端中执行安装指令：

chmod +x cudaproduct_10.1-update2.run
./cudaproduct_10.1-update2.run

在安装过程中，选择驱动 API安装。完成后，系统会提示安装完成。

4.配置环境

将 CUDA 安装路径加入 bashrc 文件：

sudo gedit ~/.bashrc

在末尾添加以下内容：

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

保存后，重新加载配置：

source ~/.bashrc

验证 CUDA 版本：

nvcc --version

输出示例：

nvcc: NVIDIA CUDAToolkit 10.1.114

CUDA 验证

1. 查看驱动 API 版本

在(filepath 为 /usr/local/cuda-10.1)的路径中，查看 cudnn.h 文件：

cat /usr/local/cuda-10.1/include/cudnn.h | grep CUDNN_MAJOR -A 2

输出示例：

#define CUDNN_MAJOR 10
#define CUDNN_MINOR 1
#define CUDNN_VERSION "10.1.114"

2. 查看运行时 API

运行 CUDA Sample 程序：

cd /home/USER/NVIDIA_CUDA-10.1_Samples
sudo make all -j4

完成后，最后一行输出为 "Finished building CUDA samples"，确认安装成功。

cuDNN 安装

1. 下载 cuDNN

访问 cuDNN 官方下载页面（注：此链接为示例），注册账户下载 cuDNN 7.6.5版本。下载完成后，文件命名为 cudnn-10.1-linux-x64-v7.6.5.32.tgz。

2. 安装 cuDNN

解压文件：

tar -xzf cudnn-10.1-linux-x64-v7.6.5.32.tgz

在终端中，进入解压目录（ cuda 文件夹），将包含 cuDNN 的头文件和库文件复制到 CUDA 安装路径：

sudo cp cuda/include/cudnn.h /usr/local/cuda/includsudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64

设置文件权限：

chmod -R a+r /usr/local/cuda/

验证 cuDNN 安装

检查 cuDNN 版本：

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

输出示例：

#define CUDNN_MAJOR 7
#define CUDNN_MINOR 6
#define CUDNN_VERSION "7.6.5"

相关记录

1. Ubuntu16.04 + CUDA 10.1

2. 切换多个 CUDA 版本

3. 安装多版本 CUDA 和 cuDNN

• 方法 a：配置多个 CUDA 版本，区分镜像或存储位置。
• 方法 b：通过源码构建不同版本，灵活管理依赖项。