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

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_384.81_linux.run

3. 执行(安装过程中的一些选项和cuda8.0一样)

./cuda_9.0.176_384.81_linux.run

4. 修改环境配置

$ sudo gedit /etc/profile

export PATH="/usr/local/cuda/bin:$PATH"

export LD_LIBRARY_PATH="/usr/local/cuda/lib64:$LD_LIBRARY_PATH"

export LIBRARY_PATH="/usr/local/cuda/lib64:$LIBRARY_PATH"

5. 切换cuda9.0

rm –rf /usr/local/cuda

ln -s /usr/local/cuda-9.0 /usr/local/cuda

然后重新加载环境变量
$ source /etc/profile

安装cudnn7.0(安装方式按照cudnn6.0的安装方式)

三 安装高版本的tensorflow

pip install tensorflow==1.11.0

原文地址:https://www.cnblogs.com/lipanDL/p/9863500.html

时间: 2024-11-08 05:03:58

安装cuda9.0 + cudnn7.0 与 cuda8.0共存的相关文章

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

ubuntu16.04 安装配置matlab ,python ,cuda8.0,cudnn,opencv3.1的caffe环境

网络上有很多ubuntu上caffe配置环境的帖子,本人照着其中的许多进行了参考,都出现了或多或少的错误,很多地方也有差异. 于是自己整理了下自己的安装过程,成功进行了测试,跑通了faster-rcnn.配置环境时间为2017.1.4 系统ubuntu16.04 一:显卡驱动的安装: 由于要使用GPU,所以先要查看自己显卡所匹配的显卡驱动,网址:http://www.nvidia.com/Download/index.aspx%3Flang=en-us 选择电脑匹配的显卡驱动,本人电脑显卡为GT

ubuntu14.04+cuda8.0(GTX1080)+caffe安装

1. ubuntu14.04安装 分区:usr/local 300G boot 200M / 根目录 300G 交换空间 20G (内存16G) 其余都是/home 重装之后,下载NVIDIA-Linux-x86_64-367.27.run,下载地址为:http://www.geforce.cn/drivers/results/104314 将其与cuda_8.0.27_linux.run(下载地址为:https://developer.nvidia.com/cuda-toolkit 不过需要注

(转)深度学习主机环境配置: Ubuntu16.04+Nvidia GTX 1080+CUDA8.0

深度学习主机环境配置: Ubuntu16.04+Nvidia GTX 1080+CUDA8.0 发表于2016年07月15号由52nlp 接上文<深度学习主机攒机小记>,这台GTX1080主机准备好之后,就是配置深度学习环境了,这里选择了比较熟悉Ubuntu系统,不过是最新的16.04版本,另外在Nvidia GTX1080的基础上安装相关GPU驱动,外加CUDA8.0,因为都比较新,所以踩了很多坑. 1. 安装Ubuntu16.04 不考虑双系统,直接安装 Ubuntu16.04,从ubun

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

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+cudnn7.0

1 cannot find Toolkit in /usr/local/cuda-8.0 2017年05月27日 17:37:33 阅读数:2754 对于新版本ubuntukylin17.04安装CUDA时出现 cannot find Toolkit in /usr/local/cuda-8.0 问题 尝试了各种方法,均不妥当...... 参考:https://devtalk.nvidia.com/default/topic/992023/install-cuda-on-debian/ 使用ap

Ubuntu18.04 + CUDA9.0 + cuDNN7.3 + Tensorflow-gpu-1.12 + Jupyter Notebook深度学习环境配置

目录 一.Ubuntu18.04 LTS系统的安装 1. 安装文件下载 2. 制作U盘安装镜像文件 3. 开始安装 二.设置软件源的国内镜像 1. 设置方法 2.关于ubuntu镜像的小知识 三.Nvidia显卡驱动的安装 1. 首先查看显卡型号和推荐的显卡驱动 2. 安装nvidia-390版本驱动 3. 重启系统,可以查看安装是否成功 四.CUDA9.0的安装 1. CUDA版本选择 2. 安装CUDA9.0 3. 设置环境变量 五.cuDNN7.3的安装 六.Tensorflow-1.12

ubuntu16.04+cuda8.0+cudnn6.0安装mxnet(极简!+成功!)

安装MXNet 1.安装 CUDA8.0对应的mxnet版本是mxnet-cu80(同理如果是CUDA9.0对应版本则是mxnet-cu90). 如果pip安装过慢,请参考 Ubuntu16.10下配置pip国内镜像源加速安装进行加速. $ sudo pip install --pre mxnet-cu80 # CUDA 8.0 2.验证安装成功 $ python或者python3 # 在python命令行中import mxnet,不报错即安装成功 import mxnet as mx a =