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

复制代码
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:

复制代码
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

复制代码
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

复制代码
sudo dpkg -i *.deb
复制代码
安装成功,无报错。

完成后,重新启动系统以使新内核生效

复制代码
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:

复制代码
sudo uname -r

🌙安装>=11.4.0的GCC

我选择安装gcc12

复制代码
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

复制代码
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

复制代码
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:

复制代码
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

复制代码
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
fpcc3 天前
并行编程实战——CUDA编程的流的优先级
c++·cuda
碧海潮生_CC5 天前
【CUDA笔记】03 CUDA GPU 架构与一般的程序优化思路(下)
笔记·架构·cuda
中医正骨葛大夫6 天前
一文解决如何在Pycharm中创建cuda深度学习环境?
pytorch·深度学习·pycharm·软件安装·cuda·anaconda·配置环境
lvxiangyu1111 天前
wsl2 ubuntu24 opengl 无法使用nvidia显卡 解决方法记录
wsl·cuda·opengl
李昊哲小课11 天前
wsl ubuntu24.04 cuda13 cudnn9 pytorch 显卡加速
人工智能·pytorch·python·cuda·cudnn
wanzhong233312 天前
CUDA学习2-CPU和GPU的性能优化
深度学习·gpu·cuda·高性能计算
碧海潮生_CC18 天前
【CUDA笔记】01-入门简介
笔记·cuda
喆星时瑜21 天前
关于 ComfyUI 的 Windows 本地部署系统环境教程(详细讲解Windows 10/11、NVIDIA GPU、Python、PyTorch环境等)
python·cuda·comfyui
安全二次方security²24 天前
CUDA C++编程指南(1)——简介
nvidia·cuda·c/c++·device·cuda编程·architecture·compute unified
千年奇葩1 个月前
Unity性能优化之:利用CUDA加速Unity实现大规模并行计算。从环境搭建到实战案例
c++·人工智能·unity·游戏引擎·cuda