ubuntu查看安装的cuda toolkit自带的工具及其他安装文件

原创作品,转载请注明来源:http://www.cnblogs.com/shrimp-can/p/5253672.html

1.查看工具

默认目录为:local,进入local:cd /usr/local

输入命令:ls,查看该目录下的文件,可以看到安装的cuda在此处

进入cuda文件:cd cuda-7.5(我的是7.5),此处为安装的东西

查找安装的工具,在bin目录下,进入cuda文件所在目录,然后进入bin目录:cd bin

输入命令:ls,就可以看到cuda toolkit自带的工具了,这些工具可以直接使用。

以上工具,可以通过终端命令进行使用,如果发现输入终端命令,却显示没有该工具,则可能是没有添加路径。

2.添加路径

输入命令:export PATH=/usr/local/cuda-7.5/bin:$PATH

export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH(此处我使用的是cuda7.5,具体需要根据自己的版本输)

这样路径就添加好了,输入命令:nvcc -V检查路径是否添加成功,如果结果有nvcc则添加成功了。这样toolkit里面自带的工具都可以直接在终端进行使用了。

时间: 2024-11-05 06:36:08

ubuntu查看安装的cuda toolkit自带的工具及其他安装文件的相关文章

OpenSuse13.2安装CUDA Toolkit 7.5

此次安装过程有点曲折,不过最后还是能成功安装,由于没细细看官方的安装文档,导致花了很多时间安装,希望此文能让想装CUDA的同学少走点弯路 1.NVIDIA Driver是否要装 刚开始要装CUDA时,以为要先装显卡驱动,搜索如何装驱动,导致驱动版本不符合CUDA要求的版本,一直卡在这里不能安装CUDA,后来发现CUDA的安装包提供了显卡驱动,如果已经安装了驱动,再去安装CUDA,如果它要求的驱动版本和系统已经安装的版本不一样,会有点问题,所以,干脆不装驱动了. 不过还是提供下OpenSuse装驱

Ubuntu 14.04 64位机上不带CUDA支持的Caffe

Caffe是一个高效的深度学习框架.它既可以在CPU上执行也可以在GPU上执行. 下面介绍在Ubuntu上不带CUDA的Caffe配置编译过程: 1.      安装BLAS:$ sudo apt-get install libatlas-base-dev 2.      安 装依赖项:$ sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libboost-all-dev libhdf5

(原)Ubuntu16中安装cuda toolkit

转载请注明出处: http://www.cnblogs.com/darkknightzh/p/5655957.html 参考网址: https://devtalk.nvidia.com/default/topic/862537/cuda-setup-and-installation/installing-cuda-toolkit-on-ubuntu-14-04/ http://unix.stackexchange.com/questions/38560/gpu-usage-monitoring-

Ubuntu 14.04 64位机上不带CUDA支持的Caffe配置编译操作过程

Caffe是一个高效的深度学习框架.它既可以在CPU上执行也可以在GPU上执行. 下面介绍在Ubuntu上不带CUDA的Caffe配置编译过程: 1.      安装BLAS:$ sudo apt-get install libatlas-base-dev 2.      安装依赖项:$ sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-devlibopencv-dev libboost-all-dev libhdf5-s

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):

Caffe + Ubuntu 14.04 64bit + CUDA 6.5 配置说明

笔者花了很长时间才装完,主要是cuda安装和opencv安装比较费劲,cuda找不到32位的安装包只好重装64位的ubuntu系统,opencv 也是尝试了很久才解决,这里建议用2.4.9版本.其实如果没用GPU的话不需要安装cuda,不过为了后续兼容性的考虑,系统强烈建议64位的.下面是 对自己的安装过程记录备忘,有些主要参考网上的文章,所以有些过程就直接用了原来文章中的内容. caffe在git上的源码:https://github.com/BVLC/caffe 环境:    ubuntu

ubuntu Gnome 15.04 /ubuntu 12.04 装cuda 7.0经验贴

ubuntu Gnome 15.04 /ubuntu 12.04 装cuda 7.0经验贴 由于最近要跑caffe,还有要跑一些cuda程序,就边学边配置,一路装过来还真不容易,双系统(Window 7+ubuntu),做一个笔记以后留着来用: 前提工作:已经装好双系统,若没有装好,参考如下: 硬盘安装和U盘安装 [ Win7系统下硬盘安装Ubuntu 12.04双系统 ] 提示:在装好ubuntu系统后若发现,安装完成重启后默认启动为Ubuntu系统,则在程序-附件-终端(快捷键Ctrl+Al

Caffe + Ubuntu 14.04 64bit + CUDA 6.5 配置说明2

1. 安装build-essentials 安装开发所需要的一些基本包 sudo apt-get install build-essential 2. 安装NVIDIA驱动 (3.4.0) 2.1 准备工作(2014-12-03更新) 在关闭桌面管理 lightdm 的情况下安装驱动似乎可以实现Intel 核芯显卡 来显示 + NVIDIA 显卡来计算.具体步骤如下: 1. 首先在BIOS设置里选择用Intel显卡来显示或作为主要显示设备 2. 进入Ubuntu, 按 ctrl+alt+F1 进

window10上安装python+CUDA+CuDNN+TensorFlow

软件 版本 Window10 X64 python 3.6.4(64位) CUDA CUDA Toolkit 9.0 (Sept 2017) CuDNN cuDNN v7.0.5 (Dec 5, 2017), for CUDA 9.0 以上版本测试通过. 安装步骤: 1.安装python,记得要勾选pip. 2.检测是否支持CUDA. NVIDIA官网查询,具体见:https://developer.nvidia.com/cuda-gpus,就可以知道是否可以使用带GPU支持的TensorFlo