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apt-get进行安装

sudo apt install nvidia-cuda-toolkit

2、安装CUDA 9.0(CUDA 9.1需要驱动至少为nvidia-387,我们可以选择安装CUDA 9.0及cuDNN7.0)

从NVIDIA官网Legacy Releases下载CUDA 9.0版本的.run安装包(https://developer.nvidia.com/cuda-90-download-archive)。 
由于CUDA 9.0仅支持GCC 6.0及以下版本,而Ubuntu 18.04预装GCC版本为7.3,故手动安装gcc-6与g++-6:

sudo apt-get install gcc-6 g++-6
  • 1

之后切换至/usr/bin目录修改符号链接,使GCC 6成为默认使用版本:

cd /usr/bin
sudo rm gcc
sudo ln -s gcc-6 gcc
sudo rm g++
sudo ln -s g++-6 g++

原文地址:https://www.cnblogs.com/adong7639/p/9516600.html

时间: 2024-11-05 16:42:30

Ubuntu18.04 + cuda9.0+cudnn7.0的相关文章

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

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

YOLO 训练环境搭建(Ubuntu18.04+Cuda9.0+Cudnn7.1)

1.先查看是否安装有以下组件,若有先考虑彻底删除再安装(安装严格按照下面顺序进行) 查看nvidia 版本 nvidia-smi 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 2.nvidia 驱动,cuda,cudnn对应关系  nvidia与cuda要求的版本对应关系: https://docs.nvidia.co

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

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.

ubuntu18.04+CUDA9.0+cuDNN7.1.4+tensorflow1.9 环境搭建

1. 主机配置说明 在前几天,得知公司新采购了几台主机,所以我们组领导就向公司申请了一台回来,做数据分析. 服务器买的是惠普的主机,型号是:HP EliteDesk 800 G3.不算强劲,但用来做GPU的数据分析测试,也可以了.具体参数:CPU:i7-7700内存: 32G显卡: GTX 1070硬盘: 256 ssd + 1T自带 windows 10 64位 专业版系统 2. 更换系统 由于主机自带的是windows系统,但是我们想用 ubuntu 的系统,因此,只能先重装一下系统了.具体

ubuntu18.04安装mongoDB 4.0

STEP 1:  在终端输入GPK码 $  sudo apt-key adv --keyserver hkp://keyserver.ubuntu.com:80 --recv 9DA31620334BD75D9DCB49F368818C72E52529D4 STEP 2: 添加mongoDB源 Ubuntu 18.04 LTS: $ echo "deb [ arch=amd64 ] https://repo.mongodb.org/apt/ubuntu bionic/mongodb-org/4.

Ubuntu18.04中配置wxWidget3.0.4开发环境

准备工作 在 https://www.wxwidgets.org/downloads/ 下载最新的稳定版 wxWidgets-3.0.4.tar.bz2 安装依赖 sudo apt install libgtk-3-dev build-essential checkinstall 编译安装 $ make # ... 略 ... $ sudo checkinstall checkinstall会需要准备好package的描述等, 详细的输入输出. 使用checkinstall会同时生成deb包,

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):