Caffe使用新版本CUDA和CuDNN

因为一些原因还是需要使用别人基于Caffe的代码,但是代码比较老,默认不支持高版本的cuda或者cudnn

怎么办呢?基本上就是把最新官方Caffe-BVLC的几个关键文件拿过来替换即可。

脚本如下:

#########################################################################
# File Name: xxx.sh
# Author: ChrisZZ
# mail: imzhuo AT foxmail.com
# Created Time: 2018年05月18日 星期五 16时20分20秒
#########################################################################
#!/bin/bash

# 先准备用到的别人的老本的caffe,比如放在了~/work/caffe_xxx
cd ~/work
MY_CAFFE=~/work/caffe_xxx

# 下载官方的最新Caffe
git clone https://github.com/BVLC/caffe  caffe-BVLC --depth=1

BVLC_CAFFE=~/caffe-BVLC

# 现在执行如下文件替换。直接执行即可。

cp $BVLC_CAFFE/include/caffe/layers/cudnn_relu_layer.hpp $MY_CAFFE/include/caffe/layers/cudnn_relu_layer.hpp
cp $BVLC_CAFFE/include/caffe/layers/cudnn_sigmoid_layer.hpp $MY_CAFFE/include/caffe/layers/cudnn_sigmoid_layer.hpp
cp $BVLC_CAFFE/include/caffe/layers/cudnn_tanh_layer.hpp $MY_CAFFE/include/caffe/layers/cudnn_tanh_layer.hpp
cp $BVLC_CAFFE/include/caffe/util/cudnn.hpp $MY_CAFFE/include/caffe/util/cudnn.hpp
cp $BVLC_CAFFE/src/caffe/layers/cudnn_relu_layer.cpp $MY_CAFFE/src/caffe/layers/cudnn_relu_layer.cpp
cp $BVLC_CAFFE/src/caffe/layers/cudnn_relu_layer.cu $MY_CAFFE/src/caffe/layers/cudnn_relu_layer.cu
cp $BVLC_CAFFE/src/caffe/layers/cudnn_sigmoid_layer.cpp $MY_CAFFE/src/caffe/layers/cudnn_sigmoid_layer.cpp
cp $BVLC_CAFFE/src/caffe/layers/cudnn_sigmoid_layer.cu $MY_CAFFE/src/caffe/layers/cudnn_sigmoid_layer.cu
cp $BVLC_CAFFE/src/caffe/layers/cudnn_tanh_layer.cpp $MY_CAFFE/src/caffe/layers/cudnn_tanh_layer.cpp
cp $BVLC_CAFFE/src/caffe/layers/cudnn_tanh_layer.cu $MY_CAFFE/src/caffe/layers/cudnn_tanh_layer.cu

然后,再编译你的caffe_xxx时,CUDA和CuDNN都用起来,都可以编译了。

原文地址:https://www.cnblogs.com/zjutzz/p/9056828.html

时间: 2024-10-10 14:58:52

Caffe使用新版本CUDA和CuDNN的相关文章

ubuntu配置机器学习环境(二) cuda 和cudnn 安装

Nvidia CUDA Toolkit的安装(cuda) PS:特别推荐*.deb的方法,目前已提供离线版的deb文件,该方法比较简单,不需要切换到tty模式,因此不再提供原来的*.run安装方法,这里以CUDA 7.5为例. 一.CUDA Repository 1.1 安装所需依赖包 sudo apt-get install build-essential # basic requirement # sudo apt-get install libprotobuf-dev libleveldb

Ubuntu16.04下安装多版本cuda和cudnn

原文 https://blog.csdn.net/tunhuzhuang1836/article/details/79545625 前言 因为之前针对Pytorch,caffe,torch等,装了cuda8.0和对应cudnn5.1,但是最近在装MxNet的时候,发现官网上能下载到的MxNet版本仅支持cuda9.0和对应cudnn7.0.5,所以无奈不想卸载cuda8.0只能在电脑上安装多个版本的cuda和对应cudnn. 安装cuda 好了进入正题,首先安装cuda 需要去nvidia官网注

ubuntu上安装NVIDIA驱动、CUDA、CUDNN

Ubuntu18.04环境下的安装: 主要参考下面这个博客: https://blog.csdn.net/u010801439/article/details/80483036 https://blog.csdn.net/ice__snow/article/details/80144503 1.安装GPU英伟达驱动(针对ubuntu18.04) step .1:首先,检测你的NVIDIA图形卡和推荐的驱动程序的模型.执行命令: $ ubuntu-drivers devices 输出结果为: ==

Ubuntu18.04上安装N卡驱动、CUDA、CUDNN三连

环境:Ubuntu18.04 显卡驱动真的挺方便的,CUDA和CUDNN还是踩了一些坑2333 1.安装显卡驱动 安装ubuntu更新或sudo apt-get update & sudo apt-get upgrade sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get update ubuntu-drivers devices sudo ubuntu-drivers autoinstall 安装显卡驱动 sudo reb

Ubuntu系统下查看安装的CUDA和CUDNN的版本

一.查看 CUDA 版本: 进入到根目录下: cat /usr/local/cuda/version.txt 我的是9.0.103 二.查看 CUDNN 版本: cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 我的是7.0.1 原文地址:https://www.cnblogs.com/taoyuyeit/p/11233622.html

window下 人工智能 Keras、TensorFlow、PyTorch、CUDA、cuDNN 的

======= 人工智能 Keras.TensorFlow 的环境安装 ======?1.window下?安装 anaconda(python 3.6 / python 3.7)https://blog.csdn.net/zimiao552147572/article/details/888542392.安装 ubuntu 16/18https://blog.csdn.net/zimiao552147572/article/details/888543703.window下安装 Keras.Te

Ubuntu查看cuda和cudnn版本

查看 CUDA 版本: cat /usr/local/cuda/version.txt 查看 CUDNN 版本: cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 原文地址:https://www.cnblogs.com/happystudyeveryday/p/11600597.html

配置CUDA和cuDNN以及Detectron过程

配置CUDA和cuDNN真是心累,汗!前前后后下了n个版本,最终找到了正确的打开方式. 安装显卡 首先我的系统Ubuntu 16.04,显卡是Nvidia RTX 2060,这个显卡的驱动真心不好装,在这里也记录一下安装过程吧. ubuntu安装显卡共有3种方式. 使用标准仓库进行自动化安装 在安装的发行版中,如 ubuntu, Linux Mint等,找到附加驱动管理软件 这种安装方式有如下缺点: 如果你的显卡比较新可能会出现安装低版本的NVIDIA驱动而造成即可安装完成,但是并没有真正安装成

Ubuntu安装CUDA、CUDNN比较有用的网址总结

Ubuntu安装CUDA.CUDNN比较有用的网址总结 1.tensorflow各个版本所对应的的系统要求和CUDA\CUDNN适配版本 https://tensorflow.google.cn/install/source_windows 2.手动安装CUDA/CUDNN https://blog.csdn.net/wanzhen4330/article/details/81699769 注意:该博文中设置CUDA环境变量的代码写错了,应该改为: export LD_LIBRARY_PATH=