同样的在运行不同代码的时候,需要的环境不同,所以需要不同的GPU环境,Cuda的需要自然也就发生改变 特别是关于tensorflow的运行中。
首先我们需要在nvidia的官网上找到我们所需要的cuda版本,接下来可以根据各自的实际要求来选择
当前环境配置:Ubuntu20.04 gcc-5, gcc-8, gcc-9, cuda 11.3
需求安装cuda 9
然后运行安装这个runfile sudo sh xxx.run
注意不要安装英伟达驱动 因为之前已经有一个cuda环境 安装过了
然后修改cuda的环境变量 vim ~/.bashrc
(如果环境变量使用的是cuda软连接 就可以不用修改环境变量了)
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64 export PATH=$PATH:/usr/local/cuda/bin export CUDA_HOME=$CUDA_HOME:/usr/local/cuda
source ~/.bashrc
保存环境变量,使配置生效
进入cd /usr/local
发现cuda其实一个软连接,所以以后我们需要切换cuda版本的时候,只需要修改这个软连接的指向就可以了
sudo rm -rf cuda sudo ln -s /usr/local/cuda-11.5 /usr/local/cuda
可以利用nvcc -V
来查看当前CUDA的版本
当然有的时候在使用CUDA的时候,还需要使用Cudnn,所以我们需要在对应的CUDA环境内安装我们需要的Cudnn
Cudnn的下载地址,下载的时候需要先登陆一下
然后根据自己环境和CUDA来选择下载的版本 我这里选择是下方的版本
対以下操作进行修改:
tar -xzvf cudnn-9.0-linux-x64-v7.6.5.32.tgz sudo cp cuda-9.0/include/cudnn.h /usr/local/cuda-9.0/include sudo cp cuda-9.0/lib64/lib* /usr/local/cuda-9.0/lib64 sudo rm -rf libcudnn.so libcudnn.so.7 sudo ln -s libcudnn.so.7.6.5 libcudnn.so.7 sudo ln -s libcudnn.so.7 libcudnn.so sudo chmod a+r /usr/local/cuda-9.0/include/cudnn.h /usr/local/cuda-9.0/lib64/libcudnn*