CUDA（Compute Unified Device Architecture）是一种由NVIDIA推出的并行计算平台和应用程序接口，可用于加速GPU上的科学计算、深度学习、机器学习等工作负载。在Linux操作系统下，CUDA版本下载和安装可能相对较为复杂，需要一定的技术基础和操作指导。本文将为大家提供一份，帮助大家快速下载和安装CUDA。
一、CUDA下载
在下载CUDA之前，需要确定您所安装的Linux版本和NVIDIA显卡型号。请确保您的电脑上已安装了正确版本的NVIDIA显卡驱动程序。如果您尚未安装NVIDIA显卡驱动程序，请先下载合适的驱动程序，然后再安装CUDA。
您可以在以下网址中下载CUDA版本：
在网站中选择您需要下载的CUDA版本。请注意，不同的CUDA版本可能有不同的系统要求和显卡支持范围。在下载之前，请确保您已认真阅读了系统要求和显卡支持情况。
二、CUDA安装
下载完成后，接下来是安装CUDA。请通过以下步骤安装CUDA：
1.解压CUDA包：
假设您将CUDA包保存在/opt目录下，您可以通过以下命令解压缩CUDA包：
sudo tar -zxvf /opt/cuda_x.x.x_linux.run
（请将“x.x.x”替换为您下载的CUDA版本号码）
2.挂载设备显卡：
在安装CUDA之前，您需要确保设备显卡已正确挂载。您可以通过以下命令检查设备显卡是否已挂载：
ls /dev/nvidia*
如果没有输出内容，请通过以下命令挂载设备显卡：
sudo modprobe nvidia
3.运行安装程序：
您可以通过以下命令运行CUDA安装程序：
sudo /opt/cuda_x.x.x_linux.run
在安装过程中，您可以根据需要进行选择。安装选项包括安装路径、组件、示例程序和样本数据等。
4.配置环境变量：
安装完成后，您需要将CUDA添加到环境变量中。您可以通过以下命令编辑环境变量文件：
sudo nano /etc/profile
在文件末尾添加以下内容：
export PATH=/usr/local/cuda-x.x/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-x.x/lib64:$LD_LIBRARY_PATH
（请将“x.x”替换为您的CUDA版本号码）
5.保存文件并退出编辑器。
6.更新环境变量：
您需要通过以下命令刷新环境变量：
source /etc/profile
7.验证CUDA是否安装成功：
您可以通过运行以下命令验证CUDA是否已正确安装：
如果正确安装，则应该可以看到与您安装的CUDA版本相关的输出。
在Linux系统下，CUDA的安装相对来说可能会有一些困难。但是，只要您按照上面的步骤执行，就有可能成功安装CUDA。如果您遇到问题，建议到官方网站或其他相关技术论坛寻求帮助。希望本文能帮助到您，让您快速轻松安装CUDA。
相关问题拓展阅读：
求助tensorflow下遇到cuda compute capability问题
首先需要看你的PC配置是否够，TF的GPU模式只支持N卡，然后计算能力高于3.0，具体可以查：
安装教程可以参考：
Ubuntu16.04上gtx1080的cuda安装
首先说为什么要安装CUDA和cuDNN，关于采用GPU计算比CPU有速度有多少提升的benchmark找找就有，这次重点是怎么让tensorflow充分用的 上GTX1080能力。具体的就是如何把支持GTX1080的CUDA和cuDNN装起来，然后让tensorflow认识我们新装的CUDA和cuDNN。
首先总体说下安装步骤：
1 首先要注册NVIDIA developer的帐号，分别下载CUDA和cuDNN
2 确认准备gcc版本，安装依赖库sudo apt-get install freegl
3 安装CUDA
4 解压cuDNN
5 clone tensorflow源码，configure配置
6 编译安装
7 最后一哆嗦,测试！
准备工作
在正式开始前，需要做几个准备工作，主要是大概先看下文档
tensorflow 的安装文档
cuda-gpu的支持列表/计算能力/FAQ
cudnn 5.1有多牛
cuda tookit下载页面
CUDA_Installation_Guide_Linux.pdf
cudnn User Guide
文档看过之后接下来就是实际动手的过程：
1 注册NVIDIA developer的帐号，分别下载CUDA和cuDNN
1.1 下载CUDA 打开cuda toolkit下载页面,GTX1080 要用的是CUDA 8。先点击JOIN,注册帐号。 完了后，再回到cuda toolkit下载页面。选择 linux, x86-64, ubuntu, 16.04, runfile(local)
1.2 下载cuDNN 进入cudnn的下载页,一堆调查,日志写时下载的是,点开选linux,不出意外的话这个就是下载地址.
2 确认GCC版本，安装依赖库
确认本机gcc版本,16.04默认的是gcc 5,这里安装需要的更高是gcc 4.9。接下来就安装配置gcc 4.9.
2.1 安装gcc 4.9，并修改系统默认为4.9
sudo apt-get install gcc-4.9 gcc-4.9 g++-4.9 g++-4.9
gcc –version
sudo update-alternatives –install /usr/bin/g++ g++ /usr/bin/g++-4.9 10
sudo update-alternatives –install /usr/bin/cc cc /usr/bin/gcc 30
sudo update-alternatives –set cc /usr/bin/gcc
sudo update-alternatives –install /usr/bin/c++ c++ /usr/bin/g++ 30
sudo update-alternatives –set c++ /usr/bin/g++
gcc –version
2.2 一个小依赖
sudo apt-get install freegl
3 安装CUDA
需要注意的是这个地方有个选择安装低版本驱动的地方，选n 大致的安装流程如下氏答：
3.1 安猜核尺装CUDA
chmod +x /cuda_8.0.27_linux.run
./cuda_8.0.27_linux.run
Do you accept the previously read EULA?
accept/decline/quit: accept
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62?
(y)es/(n)o/(q)uit: n
Install the CUDA 8.0 Toolkit?
(y)es/(n)o/(q)uit: y
Enter Toolkit Location
Do you WANt to install a Symbolic link at /usr/local/cuda?
(y)es/(n)o/(q)uit: y
Install the CUDA 8.0 Samples?
(y)es/(n)o/(q)uit: y
Enter CUDA Samples Location
: /home/h/Documents/cuda_samples
3.2 写入环境变量
vim ~/.bashrc
#添加下面变量
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
3.3 安装好后简单验证
a. 进入刚配置时指定的cuda sample所在文件夹,NVIDIA_CUDA-8.0_Samples/
b. cd 0_Simple/asyncAPI;sudo make
c. NVIDIA_CUDA-8.0_Samples/0_Simple/asyncAPI$ ./asyncAPI – Starting… GPU Device 0: “GeForce GTX 1080” with compute capability 6.1 CUDA device time spent executing by the GPU: 10.94 time spent by CPU in CUDA calls: 0.19 CPU executediterations while waiting for GPU to finish
4 安装cuDNN
h@h:~/Downloads$ tar xvzf cudnn-8.0-linux-x64-v5.0-ga.tgz
cuda/include/cudnn.h
cuda/lib64/libcudnn.so
cuda/lib64/libcudnn.so.5
cuda/lib64/libcudnn.so.5.0.5
cuda/lib64/libcudnn_static.a
h@h:~/Downloads$ sudo cp -R cuda/lib64 /usr/local/cuda/lib64
h@h:~/Downloads$ sudo mkdir -p /usr/local/cuda/include
h@h:~/Downloads/cuda$ sudo cp include/cudnn.h /usr/local/cuda/include/
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
5 clone, configure tensorflow
5.1 clone源码
5.2 configure配置
整个配置流程应该跟下面的基本一样的
h@h:~/Downloads/tensorflow$ cd ./tensorflow/
h@h:~/Downloads/tensorflow$ ./configure
Please specify the location of python. :
***Do you wish to build TensorFlow with Google CLOUD Platform support? N***
No Google Cloud Platform support will be enabled for TensorFlow
***Do you wish to build TensorFlow with GPU support? y***
GPU support will be enabled for TensorFlow
Please specify which gcc nvcc should use as the host compiler. :
**Please specify the location where CUDA toolkit is installed. Refer to README.md for more details. : /usr/local/cuda-8.0 **
**Please specify the Cudnn version you want to use. : 5.0.5**
**Please specify the location where cuDNN 5.0.5 library is installed. Refer to README.md for more details. : /usr/local/cuda**
Please specify a list of comma-separated Cuda compute capabilities you want to build with.
You can find the compute capability of your device at:
**Please note that each additional compute capability significantly increases your build time and binary size.
Setting up Cuda include
Setting up Cuda lib64
Setting up Cuda bin
Setting up Cuda nvvm
Setting up CUPTI include
Setting up CUPTI lib64
Configuration finished
6 编译安装
6.1 编译工具Bazel安装配置
先看一眼文档然后就执行下面的流程:
#安装java 1.8
sudo add-apt-repository ppa:Webupd8team/java
sudo apt-get update
sudo apt-get install oracle-java8-installer
#安装好后车参考下
java -version
#添加源
echo “deb stable jdk1.8” | sudo tee /etc/apt/sources.list.d/bazel.list
curl | sudo apt-key add –
#下载
sudo apt-get update && sudo apt-get install bazel
#升级
sudo apt-get upgrade bazel
6.2 编译tensorflow的pip版本并安装
$ bazel build -c opt //tensorflow/tools/pip_package:build_pip_package
# To build with GPU support:
$ bazel build -c opt –config=cuda //tensorflow/tools/pip_package:build_pip_package
$ bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg
# The name of the .whl file will depend on your platform.
#注意编译完成后生成的文件名字和官方doc里面的是不一定一致的
$ sudo pip install /tmp/tensorflow_pkg/tensorflow-0.*-linux_x86_64.whl
i6700k 32g编译时间:
只编译代码不带pip INFO: Elapsed time: 967.271s, Critical Path: 538.38s
bazel-bin/tensorflow/tools/pip_package/build_pip_package INFO: Elapsed time: 65.183s, Critical Path: 48.58
7 最后测试
前面都整完了，现在该测试了，注意前面有两个动态链接库的位置，cuDNN在/usr/local/cuda/lib64， 而cuda在/usr/local/cuda-8.0/lib64，所以这个时候的bashrc应该这么写：
export PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
写完后,
source ~/.bashrc
cd tensorflow/tensorflow/models/image/mnist
python convolutional.py
成功的话会出现流畅的跑动:
h@h:~/Downloads/tensorflow/tensorflow/models/image/mnist$ python convolutional.py
I tensorflow/stream_executor/dso_loader.cc:108> successfully opened CUDA library libcublas.so locally
I tensorflow/stream_executor/dso_loader.cc:108> successfully opened CUDA library libcudnn.so.5.0.5 locally
I tensorflow/stream_executor/dso_loader.cc:108> successfully opened CUDA library libcufft.so locally
I tensorflow/stream_executor/dso_loader.cc:108> successfully opened CUDA library libcuda.so.1 locally
I tensorflow/stream_executor/dso_loader.cc:108> successfully opened CUDA library libcurand.so locally
Extracting>香港服务器首选树叶云，2H2G首月10元开通。树叶云（shuyeidc.com）提供简单好用，价格厚道的香港/美国云 服务器 和独立服务器。IDC+ISP+ICP资质。ARIN和APNIC会员。成熟技术团队15年行业经验。
硬盘安装红帽Linux
首先你必须下载 grub4dos ，解压后把grldr拷贝到c盘，打开c盘 文件 （一般为系统隐藏，可运行cmd，输入cd \ 后输入 attrib -r -a -s -h 在进入c盘就看见了了） 记事本打开 在最后一行加上c:\grldr=install linux 保存关闭 打开系统镜像文件（就是文件）提取vmlinuz，到c盘根目录，然后注意，一定要把你的系统镜像放在FAT32格式的分区，还要记住分区号（假设一块硬盘中，window系统d盘，分区号是(hd0,5)后面一次类推） 然后重启，这时候进入window选项会多出一个 install linux 选项，选他 进入grub4dos，输入c进入命令行，或者默认1秒就是进入命令行，输入如下命令，每一行都回车 root (hd0,0) kernel (hd0,0)\vmlinuz initrd (hd0,0)\ boot 后面就会经如linux引导 安装时候选择硬盘安装 ，系统会问你镜像文件在那个分区，就是（hd0，5） ps:注意命令中的空格，特别的如果要是记不命令的话，就写在纸上 上面都是本人亲自尝试，文字都是手打，如有不对，遗漏之处，请指正
arm+linux如何安装tomcat和jdk
1、下载一个linux版本的jdk到机器的/usr目录下，一般是以**格式结尾的2、在/usr目录下tar -zxvf **3、Tomcat可以自己建一个用户来安装或者直接装在root用户下，建议新建用户4、useradd -d /home/abc -m abc -s /usr/bin/csh5、passwd abc改好密码6、su - abc7、vi 配置好环境变量,主要是JAVA_HOME PATH这些8、source 然后你就可以将下载的Tomcat放到abc这个用户下面，解压就可以用了
怎么安装Nvidia for linux显卡驱动？
1.下载最新的驱动程序2. vi/etc/selinux/config/selinux 修改为disabled3。 vi /etc/inittab中把default 修改为34。 ./软件按照提示安装即可。 5.修改配置文件：/etc/X11/6.修改inittab为5重新启动测试即可。 7。 使用nVIDIA－settins工具
发表评论