[Linux版本Debian系统]安装cuda 和对应的cudnn以cuda 12.0为例

写在前面

先检查自己有没有安装使用wget的命令,没有的话输入下面命令安装:

python 复制代码
apt-get install wget -y

查看gcc的安装

python 复制代码
sudo apt install gcc   #安装gcc
gcc --version          #查看gcc是否安装成功
#若上述命令不成功使用下面的命令尝试之后再执行上面的命令
sudo apt-get install libglib2.0-dev    #报错使用此命令进行依赖库安装
sudo apt-get update                    #更新一下软件资源
apt update -y 
sudo apt install gcc --fix-missing     #更新一下软件资源

一、检查本机是否有CUDA工具包,输入nvcc -V

二、安装cuda

1 CUDA工具包https://developer.nvidia.com/cuda-toolkit-archive

2 cuDNN库https://developer.nvidia.com/rdp/cudnn-archive

1.在命令行输入nvidia-smi查看显卡驱动版本也就是最高支持的CUDA工具包版本。

例如,本机可安装12.0及以下的CUDA工具包:

2.在nvidia官网选择对应版本的CUDA工具包并选择你的机器配置,我们就选择12.0版本下载


3.在终端执行如下命令

python 复制代码
wget https://developer.download.nvidia.com/compute/cuda/12.0.0/local_installers/cuda_12.0.0_525.60.13_linux.run
sudo sh cuda_12.0.0_525.60.13_linux.run

1)第一行命令下载安装包

2)使用第二行sudo sh命令需要提前下载gcc库,此过程会有点慢有点卡,耐心等待,出现界面之后卡了把终端框往下拉拉...

键入accept确认

我们已经有驱动了,这里取消安装驱动,上下键和回车键选择。

稍作等待,出现以下提示信息就安装好了,可以看到CUDA安装到了/usr/local/cuda-12.0/

4.修改环境变量

1)打开配置文件

python 复制代码
# 打开bashrc配置文件
vi ~/.bashrc

2)在配置文件末尾加上:

python 复制代码
# cuda env
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-12.0
export PATH=$PATH:/usr/local/cuda-12.0/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-12.0/lib64

执行wq,保存退出

3)source 一下配置文件

python 复制代码
source ~/.bashrc

5.检查是否安装完成

使用nvcc -Vnvidia-smi检查CUDA是否安装完成,出现以下提示代表安装完成

编译并执行CUDA样例程序,出现pass代表CUDA和GPU正常运行:

python 复制代码
cd cd /usr/local/cuda-12.0/extras/demo_suite/
sudo make
./deviceQuery

三.安装cudnn

1.根据安装的CUDA工具包版本在官网选择适合版本的cuDNN,本文安装的CUDA版本是12.0,就选择与之对应的cuDNN v8.9.1,选择Local Installer for Linux x86_64 (Tar)。

2.复制cuDNN库的链接,使用wget下载或者下载到自己电脑之后再传到服务器上。

3.解压cuDNN文件,并进入解压出的文件夹,拷贝文件到/usr/local/cuda-12.0中

python 复制代码
	tar -xvf cudnn-linux-x86_64-8.9.1.23_cuda12-archive.tar.xz  #解压文件
	cd cudnn-linux-x86_64-8.9.1.23_cuda12-archive               
	sudo cp lib/* /usr/local/cuda-12.0/lib64/                 #复制文件
	sudo cp include/* /usr/local/cuda-12.0/include/
	sudo chmod a+r /usr/local/cuda-12.0/lib64/*              #赋予权限
	sudo chmod a+r /usr/local/cuda-12.0/include/*

4.查看cuDNN版本cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

上述教程为这台机器上的所有用户安装了CUDA和cuDNN,我们切一下普通用户查看nvcc是否能用

相关推荐
万能的知了1 小时前
服务器托管 vs 云主机 vs 裸金属:一个决策故事
运维·服务器·云计算
杨云龙UP1 小时前
Oracle RAC / ODA 生产环境指定 PDB 启动 SOP
linux·运维·数据库·oracle
Shingmc32 小时前
【Linux】多路转接之select
linux·网络
luweis2 小时前
企智孪生 ETA(3.3 认知算法层:ETA 的思维内核 3.4 基础架构:算力与弹性)【浙江联保网络 卢伟舜】
大数据·运维·线性代数·ai·矩阵·学习方法
极客老王说Agent2 小时前
屏幕理解能力是下一代自动化的关键吗?2026年自动化范式演进深度解析
运维·人工智能·ai·chatgpt·自动化
LT10157974443 小时前
2026年电商RPA选型指南:电商运营全流程自动化测评
运维·自动化·rpa
木古古183 小时前
搞一个高效的c/c++开发环境,工具VIm+自研vim插件+Shell脚本
linux·编辑器·vim
JAVA社区3 小时前
Java高级全套教程(十一)—— Kubernetes 超详细企业级实战详解
java·运维·微服务·容器·面试·kubernetes
茫忙然4 小时前
U 盘搭建免驱 Linux 便携系统教程
linux·服务器
一起逃去看海吧5 小时前
dify-03
java·linux·开发语言