人生来就不是为了被打败的,人能够被毁灭,但是不能够被打败。—— 海明威《老人与海》
目录
Ⅰ. 背景
Ⅱ. 使用Conda安装CUDA
2.1 查看显卡驱动兼容性
2.2 创建与激活虚拟环境
2.3 确定要安装的CUDA版本
2.4 下载与安装CUDA
2.5 conda卸载cuda
Ⅲ. 使用Conda安装CUDNN
3.1 查看cuda对应的cudnn版本
3.2 下载安装cudnn
3.3 版本验证
参考文献
操作系统: ubuntu 18.04(服务器)
更新时间: 2024年2月21日
显卡驱动版本: 510.108.03
CUDA版本: cuda 11.3.1(conda虚拟环境安装),cuda 11.8(conda虚拟环境安装)
本文介绍在Conda虚拟环境下CUDA的安装和配置,在虚拟环境vdisco中安装cuda 11.3,在vdisco2环境中安装cuda 11.8。
# 官网教程
https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html#conda-installation
Ⅰ. 背景
深度学习用显卡训练的时候,需要安装与显卡对应的cuda和cudnn。但不同的项目所支持的pytorch版本是不一样的,而pytorch版本和cuda版本之间又是互相依赖的,所以如果可以灵活地在不同cuda版本间切换将是非常方便的。anaconda就可以实现这个功能。我们可以在conda创建的不同虚拟环境中安装不同的cuda和cudnn版本,以此来实现不同cuda版本间的切换。
环境vdisco
环境vdisco2
Ⅱ. 使用Conda安装CUDA
2.1 查看显卡驱动兼容性
GPU信息、驱动版本可以通过cmd输入nvidia-smi指令来查看。
显卡驱动版本向下兼容,其决定了可安装的CUDA Toolkit的最高版本,高版本的驱动支持低版本的CUDA。
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
比如我的显卡驱动版本是510.108.03,可安装的CUDA最高版本为11.6。(可能是推荐版本,我安装了11.8)
2.2 创建与激活虚拟环境
领取专属 10元无门槛券
私享最新 技术干货