RTX4060+ubuntu22.04+cuda11.8.0+cuDNN8.6.0 & 如何根据显卡型号和系统配置cuda和cuDNN所需的安装环境

文章目录

🌕电脑原配置

显卡为:RTX 4060 8GB

nvidia驱动版本为550.12
NVIDIA-Linux-x86_64-550.120.run

GCC为12.3.0
gcc version 12.3.0 (Ubuntu 12.3.0-1ubuntu1~22.04) 

linux内核为
5.19.17-051917-generic
后面安装时需要升级为 6.2.0 及以上

系统架构为:X86_64

🌕安装cuda和cuDNN前的环境选择

🌙cuDNN与CUDA tookit和nvidia driver的对应关系

我安装的是 nvidia-drivers 550版本,上面所有都支持。所以drivers版本不变。

该驱动的安装方法:RTX4060安装nvidia显卡驱动

🌙cuda版本选择

⭐查看自己的nvidia driver版本和最大支持的CUDA版本

我的最大支持CUDA 12.4

⭐最小支持版本

打开11.4发现由于11.4不支持ubuntu22.04

所以要在ubuntu22.04上安装cuda必须选择:

11.4 < xx.x<= 12.4

决定选择 11.8版本的cuda

🌙查看11.8.0版本的cuda和ubuntu22.04对应的cuDNN版本

https://developer.nvidia.com/rdp/cudnn-archive

我选择 8.6.0

🌙查看ubuntu22.04中cuDNN支持的内核,GCC

https://docs.nvidia.com/deeplearning/cudnn/latest/reference/support-matrix.html#gpu-cuda-toolkit-and-cuda-driver-requirements

🌙最终安装前的环境选择

linux内核为:6.2.0及以上

GCC版本为: 11.4.0及以上

cuda版本:11.8.0

cuDNN版本:8.6.0

🌕下载安装linux6.2.0内核

上面写的支持6.2.0,我们就下载6.2.0版本的内核

https://kernel.ubuntu.com/mainline/v6.2/

下载前四个.

下载好之后,从该目录下打开终端:

安装这四个文件

sudo dpkg -i *.deb
安装成功,无报错。

完成后,重新启动系统以使新内核生效

sudo reboot

重启进入系统时要选择ubuntu advance 选择内核版本启动系统

使用命令查看内核版本号,确认安装成功:

sudo uname -r

🌙安装>=11.4.0的GCC

我选择安装gcc12

sudo apt-get install gcc-12 g++-12

切换系统中的GCC版本,后面的100是优先级

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-12 100
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-12 100

假如系统中的GCC和G++版本为11,则降低它们的优先级

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-11 90
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-11 90

将gcc g++都切换为12版本,命令如下:

sudo update-alternatives --config gcc

There are 2 choices for the alternative gcc (providing /usr/bin/gcc).

  Selection    Path             Priority   Status
------------------------------------------------------------
* 0            /usr/bin/gcc-12   100       auto mode
  1            /usr/bin/gcc-11   90        manual mode
  2            /usr/bin/gcc-12   100       manual mode

Press <enter> to keep the current choice[*], or type selection number: 2

这样系统的默认GCC内核就变成了12版本

gcc --version

🌙安装cuda和cudnn

【环境搭建】(五)Ubuntu22.04安装cuda_11.8.0+cudnn_8.6.0

🌕参考文章

深度学习环境配置:CUDA、cuDNN 和 PyTorch 版本的选择与搭配指南(建议收藏)

ubuntu 22.04离线安装cuda 11.7.1、cudnn 8.9.3.28、nccl 2.18.3、tensorrt 8.6.1

相关推荐
黄白柴柴3 天前
cudnn版本gpu架构
cuda·cudnn
IT修炼家8 天前
auto-gptq安装以及不适配软硬件环境可能出现的问题及解决方式
大模型·cuda·auto-gptq
爱听歌的周童鞋8 天前
Depth-Anything推理详解及部署实现(下)
tensorrt·cuda·deploy·mde·depth anything
因为风的缘故~8 天前
Ubuntu22.04安装cuda12.1+cudnn8.9.2+TensorRT8.6.1+pytorch2.3.0+opencv_cuda4.9+onnxruntime-gpu1.18
pytorch·深度学习·tensorrt·cuda·anaconda·cudnn
ai-guoyang9 天前
tensorflow gpu版安装(直接anaconda虚拟环境中配置cuda,无需主机安装cuda、cudnn)
深度学习·tensorflow·cuda·anaconda
self-motivation9 天前
gpu硬件架构
硬件架构·gpu·nvidia·tensor·cuda
枫舞雪域10 天前
Ubuntu22.04安装英伟达驱动
linux·笔记·cuda·isaacsim·iassclab
爱串门的小马驹13 天前
CUDA 计时功能,记录GPU程序/函数耗时,cudaEventCreate,cudaEventRecord,cudaEventElapsedTime
cuda
程序员非鱼15 天前
深入解析神经网络的GPU显存占用与优化
人工智能·深度学习·神经网络·机器学习·nvidia·cuda
kolaseen17 天前
NCU使用指南及模型性能测试(pytorch2.5.1)
pytorch·python·深度学习·docker·gpu·cuda·ncu