cuda环境搭建

cuda环境搭建

cuda 的安装

一篇很不错的博客

https://blog.csdn.net/u014529295/article/details/78766258

另外官网也有介绍

https://developer.nvidia.com/cuda-downloads?target_os=Linux&target_arch=x86_64&target_distro=Ubuntu&target_version=1604&target_type=deblocal

检测环境

安装完毕后首先检测编译器 NVCC

注:nvcc是cuda的编译器

如果没有, 而且你确信你已经安装成功, 那么上命令locate

locate nvcc

找到你的 nvcc 编译器位置, 比如我的在 /usr/local/cuda-10.1/bin

添加到环境变量

可以添加到全局 /etc/profile 中, 也可以是bash中, 此处我添加到bash中

~/.bashrc中最后添加

export PATH=$PATH:/usr/local/cuda-10.1/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-10.1/lib64:/usr/local/cuda-10.1/lib

好了, 本地再次检测, 应该就没什么问题了

实测运行

原文地址:https://www.cnblogs.com/wangha/p/10803218.html

时间: 2024-08-01 07:41:26

cuda环境搭建的相关文章

【CUDA 基础】0.0 腾讯云CUDA环境搭建

title: [CUDA 基础]0.0 腾讯云CUDA环境搭建 categories: CUDA Freshman tags: CUDA 环境搭建 toc: true date: 2018-02-13 22:04:54 Abstract: 本文主要为不支持CUDA的电脑用户提供一个可供选择的CUDA学习环境 Keywords: 腾讯云,CUDA,GPU云 开篇废话 今天我们开始学习CUDA,又到了一年一次的,逼婚,催生,问工资,问成绩,炫富,炫孩子,炫工作的节日了.我还是想找个地方安安静静的看看

Ubuntu上CUDA环境搭建

1.下载CUDA:https://developer.nvidia.com/cuda-downloads 2.根据官网提示安装CUDA 3.下载Cudnn: https://developer.nvidia.com/rdp/cudnn-download 4.执行sudo dpkg -i libcudnn7-dev_7.0.3.11-1+cuda9.0_amd64.deb (更多安装方法:https://developer.nvidia.com/compute/machine-learning/c

Ubuntu14.04+caffe+cuda7.5 环境搭建以及MNIST数据集的训练与测试

Ubuntu14.04+caffe+cuda 环境搭建以及MNIST数据集的训练与测试 一.ubuntu14.04的安装: ubuntu的安装是一件十分简单的事情,这里给出一个参考教程: http://jingyan.baidu.com/article/76a7e409bea83efc3b6e1507.html 二.cuda的安装: 1.首先下载nvidia cuda的仓库安装包(我的是ubuntu 14.04 64位,所以下载的是ubuntu14.04的安装包,如果你是32位的可以参看具体的地

PyCUDA的Windows开发环境搭建

PyCUDA的开发环境搭建 PyCUDA需要python的Boost库和Numpy库(1.0.4以上),和CUDA开发环境(2.0以上). Windows64环境下所需要的包可以到以下网址直接下载, http://www.lfd.uci.edu/~gohlke/pythonlibs/#boost.python. 另外PyCUDA还需要pytools库,而pytools库又需要six,appdirs,decorator这三个库,这三个库都可以通过easy_install工具直接安装,安装完这三个库

faster-rcnn(testing): ubuntu14.04+caffe+cuda7.5+cudnn5.1.3+opencv3.0+matlabR2014a环境搭建记录

python版本的faster-rcnn见我的另一篇博客: py-faster-rcnn(running the demo): ubuntu14.04+caffe+cuda7.5+cudnn5.1.3+python2.7环境搭建记录 1. 首先需要配置编译caffe的环境,并降级gcc为4.7.见: ubuntu14.04下安装cudnn5.1.3,opencv3.0,编译caffe及matlab和python接口过程记录(不好意思,这也是我自己写的) 2. clone 源码: git clon

深度学习(TensorFlow)环境搭建:(三)Ubuntu16.04+CUDA8.0+cuDNN7+Anaconda4.4+Python3.6+TensorFlow1.3

紧接着上一篇的文章<深度学习(TensorFlow)环境搭建:(二)Ubuntu16.04+1080Ti显卡驱动>,这篇文章,主要讲解如何安装CUDA+CUDNN,不过前提是我们是已经把NVIDIA显卡驱动安装好了 一.安装CUDA CUDA(Compute Unified Device Architecture),是英伟达公司推出的一种基于新的并行编程模型和指令集架构的通用计算架构,它能利用英伟达GPU的并行计算引擎,比CPU更高效的解决许多复杂计算任务,想使用GPU就必须要使用CUDA.

CNN基础及开发环境搭建(综合参考)

CNN基础及环境搭建 Author:王帅:Mail:[email protected] 目前,深度学习在解决图像分类,语音识别等问题上获得了已知的最优结果,该系列算法越来越受到学术界和工业界的重视.何为深度学习?一个直观的解释是如果一个机器学习算法在建模的过程中使用了多层的自动特征表示,则该机器学习算法可以称之为深度学习算法,也就是该机器学习算法可以自动地计算特征的特征表示.而卷积神经网络(以下简称为CNN)则是深度学习中最基础且有效的算法,CNN虽然最早由KunihikoFukushima提出

手势识别之--1:Opencv的环境搭建(法一)

准备 链接 opencv官网:http://opencv.org/ 快速开始    :http://opencv.org/quickstart.html Cmake      :http://www.cmake.org/cmake/resources/software.html(根据你的开发平台不同,构建生成相应的静态动态库的解决方案) numpy      :http://www.numpy.org/(非必需,python的一个科学计算库) Eigen       :http://eigen.

Python机器视觉编程环境搭建方法

Python机器视觉编程环境搭建方法 1. Why Python C/C++ 早期的计算机视觉领域大多数程序都是用C/C++编写.随着计算机硬件速度越来越快,开源平台越来越多,开发者选择计算机视觉算法的实现语言变得更加灵活,代码编写的效率和易用性成为选择编写语言时的考虑因素,而不再仅仅只考虑执行效率. Python Python的跨平台.开放性.易用性,加之丰富的资源使其成为近年来越来越多开发者的选择.国外出版了大量的Python编程.学习书籍,亚马逊搜索Python图书,结果列表长达100页共