同时安装CUDA8.0和CUDA9.0

http://geyao1995.com/CUDA8_CUDA9/

tensorflow1.5版本竟然不支持CUDA8.0了

卸载是不可能卸载的

1.原料准备

  1. CUDA9.0下载:https://developer.nvidia.com/cuda-90-download-archive

    建议选择使用 .run 文件安装,因为使用 .deb可能会将已经安装的较新的显卡驱动替换。

  2. cuDNN7.0下载(需要注册账号,注意选择对应CUDA9.0的版本):https://developer.nvidia.com/cudnn

    对于cuDNN7.0的安装方式选项,我选择的是cuDNN v7.0.5 Library for Linux,对应于cudnn-9.0-linux-x64-v7.tgz文件,解压之后放到cuda-9.0文件夹中就可以。

  3. 本机已经安装的版本是CUDA8.0和cuDNN5.1

2.打开菜谱

不去网上瞎找教程,参考官方文档

CUDA(看左上角是不是CUDA9.0版本的文档,如果显示最新版本,需要去找旧的9.0版本):https://docs.nvidia.com/cuda/archive/9.0/cuda-installation-guide-linux/index.html

cuDNN:https://docs.nvidia.com/deeplearning/sdk/cudnn-install/index.html#install-linux

3.下锅

1.安装新版本的CUDA和cuDNN

除了安装显卡选择no,还有一步要选择no(因为之前第一次安装cuda8.0,已经创建了/usr/local/cuda这个symbolic link,所以这里就没必要再创建一次了):

123
Do you want to install a symbolic link at /usr/local/cuda? 

(y)es/(n)o/(q)uit: n

最后一步,安装CUDA 9.0 Samples也可以选no。

提醒:在第一次安装CUDA中,官方文档中重要的一步,在~/.bashrc文件中添加(对于64位系统):

123
> export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}> export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}>

如果是9.0版本CUDA,将8.0换为9.0。

安装好后,/usr/local/下面有三个文件夹:cuda-8.0、cuda-9.0、cuda(这个是软链接)

接下来加入cuDNN,注意这里cuDNN官方教程中给的是:

123
$ sudo cp cuda/include/cudnn.h /usr/local/cuda/include$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64$ sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

多版本情况下需要将cuda文件夹替换成cuda-9.0文件夹:

123
$ sudo cp cuda/include/cudnn.h /usr/local/cuda-9.0/include$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda-9.0/lib64$ sudo chmod a+r /usr/local/cuda-9.0/include/cudnn.h /usr/local/cuda-9.0/lib64/libcudnn*

2.版本切换

~/.bashrc下与cuda相关的路径都改为/usr/local/cuda/而不使用/usr/local/cuda-8.0//usr/local/cuda-9.0/

所以,此时~/.bashrc中应该是:

12
export PATH=/usr/local/cuda/bin${PATH:+:${PATH}}export LD_LIBRARY_PATH=/usr/local/cuda/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

记住,cuda是symbolic link,所以想切换CUDA版本的时候只需要将cuda-8.0或cuda-9.0指向cuda就可以了。

刷新:

1
source ~/.bashrc

1.切换到CUDA9.0

12345678910
rm -rf /usr/local/cuda #删除之前创建的软链接sudo ln -s /usr/local/cuda-9.0/ /usr/local/cudanvcc --version #查看当前 cuda 版本

# 成功的话 应该显示如下关于9.0版本的信息

nvcc: NVIDIA (R) Cuda compiler driverCopyright (c) 2005-2017 NVIDIA CorporationBuilt on Fri_Sep__1_21:08:03_CDT_2017Cuda compilation tools, release 9.0, V9.0.176

2.切换到CUDA8.0

12345678910
rm -rf /usr/local/cuda #删除之前创建的软链接sudo ln -s /usr/local/cuda-8.0/ /usr/local/cudanvcc --version #查看当前 cuda 版本

# 成功的话 应该显示如下关于8.0版本的信息

nvcc: NVIDIA (R) Cuda compiler driverCopyright (c) 2005-2016 NVIDIA CorporationBuilt on Tue_Jan_10_13:22:03_CST_2017Cuda compilation tools, release 8.0, V8.0.61

4.总结

  1. 本机安装好CUDA8.0+cuDNN5.1和CUDA9.0+cuDNN7.0。在/usr/local目录下两个文件夹cuda-8.0和cuda-9.0。
  2. 添加软链接cuda到PATH。
  3. 想用哪个版本的CUDA,就将哪个版本的CUDA链接到cuda。

5.其他方法

可以使用conda安装(未验证):

12
conda install -c anaconda cudatoolkitconda install -c anaconda cudnn

或者用别的channel:

12
conda install -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/ cudatoolkit=8.0 conda install -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64 cudnn=7.0.5

致谢

感谢维天大神提供的思路,要不然就买一台新电脑了!

参考

《安装多版本 cuda ,多版本之间切换》:https://blog.csdn.net/maple2014/article/details/78574275

原文地址:https://www.cnblogs.com/wangmo/p/10901526.html

时间: 2024-11-08 22:23:24

同时安装CUDA8.0和CUDA9.0的相关文章

TensorFlow安装(Ubuntu18.04+Anaconda3+CUDA9.0+cuDNN7.1+TensorFlow1.8.0+Pycharm)

p { margin-bottom: 0.1in; line-height: 115% } a:link { } 1.安装pip (1)安装 sudo apt-get install python3-pip python3-dev (2)查看pip是否安装成功 pip3 -V (3)切换国内源 Linux下,修改 ~/.pip/pip.conf (没有就创建一个), 修改 index-url至tuna,内容如下: [global] index-url = https://pypi.tuna.ts

安装cuda9.0 + cudnn7.0 与 cuda8.0共存

升级tensorflow的版本,我是直接将tensorflow升级到了1.11.0,但是其需要的cuda和cudnn的版本也需要跟着升级. 参考文献:https://blog.csdn.net/weixin_32820767/article/details/80421913 一 安装cuda9.0 1. 在自己的目录下为cuda9.0新建一个文件夹,用于存放  cuda_9.0.176_384.81_linux.run 2. 生成可执行文件 chmod 777 cuda_9.0.176_384.

ubuntu16.04+Titan Xp安装显卡驱动+Cuda9.0+cudnn+其他软件

硬件环境 ubuntu 16.04LTS + windows10 双系统 NVIDIA TiTan XP 显卡(12G) 软件环境 搜狗输入法 显卡驱动:LINUX X64 (AMD64/EM64T) DISPLAY DRIVER (418.56)  https://www.nvidia.cn/Download/index.aspx? CUDA:Cuda9.0  https://developer.nvidia.com/cuda-90-download-archive?target_os=Lin

Ubuntu 14.04(x64) 安装cuda8.0

由于之前已经在Ubuntu 14.04 x64上面安装cuda7.0+caffe, 并且已经配置好,caffe也已经跑通. 但是最近需要使用Torch,而Torch对cuda的要求是8.0,因此决定对cuda的版本进行升级,以满足Torch平台的需求. 而最新版的caffe也已经支持cuda8.0. 话不多说,开始安装cuda8.0. 显卡:GeForce GTX TITAN X 系统:Ubuntu 14.04(x_64) CUDA:cuda_8.0.61_375.26_linux.run cu

配有Tesla K40c的服务器新装Ubuntu16.04并安装CUDA8.0、Anaconda3、Matlab2016a、OPENCV3.1、CuDNN5.1、MXNet

注:本文原创,作者:Noah Zhang  (http://www.cnblogs.com/noahzn/) 决定加入深度学习的大军,感谢导师给配了台新设备!第一次接触服务器并配置开发环境,整个过程中遇到不少坑,但是好在最后都成功解决了.不过有点担心的是,Tesla k40c 默认还要一个辅助供电,我目前只插了8pin的供电接口,6pin的供电接口没插,不知道后续计算会不会受影响……心里怕怕的…… 首先报一下硬件配置: 服务器:联想TD350: CPU:Intel® Xeon(R) CPU E5

anconda1.8+cuda9.0+cudnn7.0.5+tensorflow1.7(win10)安装

1.下载安装cuda9.0 https://developer.nvidia.com/cuda-90-download-archive 2.下载cudnn7.0.5,下载cuda9.0的对应版本 https://developer.nvidia.com/rdp/cudnn-download 操作: 1.将cudnn文件夹下的文件拷贝到cuda9.0对应的文件夹下 2.打开cmd,用命令nvcc -V检验cuda是否安装成功,成功界面如下: 说明:之前用的是cudnn7.1.2,一直出各种问题,最

ubuntu18.04+cuda9.0+cudnn7.1.4+caffe-ssd+anaconda2安装

几乎是小白一枚,折腾多天才搞定,参考了很多博客和社区问答,把安装经验记下来. 1.检测显卡,安装驱动 1 ~$ ubuntu-drivers devices 2 == /sys/devices/pci0000:00/0000:00:1c.4/0000:09:00.0 == 3 modalias : pci:v000010DEd00001292sv00001028sd00000616bc03sc02i00 4 vendor : NVIDIA Corporation 5 model : GK208M

Win10+CUDA9.0+cuDNN7.2 下载 安装 配置

安装CUDA前须安装VS2015 参考: https://blog.csdn.net/yuyushikuan/article/details/79067484 https://blog.csdn.net/fengbingchun/article/details/53892997 1.下载: CUDA9.0下载链接(1.33GB):https://developer.nvidia.com/cuda-90-download-archive?target_os=Windows&target_arch=

Ubuntu 18.04上CUDA 9.0、cuDNN7.0及Tensorflow 1.8的安装

配置 笔者使用Dell Inspiron 7559笔记本电脑,显卡为NVIDIA GTX 960M. 目标 由于本机显卡仅有nvidia-384驱动包能够良好支持(nvidia-387.nvidia-390包均在本机出现了系统无法登陆等异常),而CUDA 9.1需要驱动至少为nvidia-387,故选择安装CUDA 9.0及cuDNN7.0. TelsorFlow 1.8完全支持CUDA 9.0因此可以使用最新版. 安装显卡驱动 使用apt安装nvidia-384驱动包(实际安装驱动为390):