Ubuntu20.04RTX4090显卡深度学习环境配置（Nvidia显卡驱动、CUDA11.6.0、cuDNN8.5）

见贤思齐

Ubuntu20.04RTX4090显卡深度学习环境配置（Nvidia显卡驱动、CUDA11.6.0、cuDNN8.5）一、安装Nvidia显卡1.1输入显卡型号查看支持显卡驱动的版本1.1.1英伟达中国驱动官网1.1.2输入显卡型号查询1.1.3查看搜索结果1.2下载安装Nvidia1.2.1方法一1.2.1方法二二、安装CUDA11.6.02.1检测自己电脑GPU是否兼容CUDA（N卡支持）2.2进入CUDA官网2.3下载安装CUDA11.6.02.4安装CUDA11.6.0后的配置2.5利用测试CUDA的samples来测试cuda安装是否成功三、安装cuDNNv8.5.0(August8th,2022),forCUDA11.x3.1打开官网使用邮箱注册（我用的qq邮箱）3.2下载cuDNNv8.5.0(August8th,2022),forCUDA11.x3.3安装cuDNNv8.5.0(August8th,2022),forCUDA11.x3.4验证安装一、安装Nvidia显卡参考文献：从零到一保姆级Ubuntu深度学习服务器环境配置教程看文献中“三、NVIDIA驱动安装”安装NVIDIA驱动，这也是安装CUDA10.0及其对应版本的CuDNN和tensorflow的重要步骤。1.1输入显卡型号查看支持显卡驱动的版本1.1.1英伟达中国驱动官网进入英伟达中国驱动官网1.1.2输入显卡型号查询1.1.3查看搜索结果1.2下载安装Nvidia1.2.1方法一直接在Ubuntu系统中的softupdates中安装525-server（专有）版本注意：1.2.1方法二自己试一下，我没用下面的方法。参考文献：在ubuntu安装nvidia驱动(亲测有效，这是方法二)参考文献：在ubuntu安装nvidia驱动（亲测有效，这是方法一）)二、安装CUDA11.6.0参考文献：ubuntu18.04安装nvidia_driver_510+cuda_11.6+cudnn_11.x参考文献：从零到一保姆级Ubuntu深度学习服务器环境配置教程2.1检测自己电脑GPU是否兼容CUDA（N卡支持）lspci|grep-invidia12显示compatible兼容2.2进入CUDA官网CUDA官网:https://developer.nvidia.com/cuda-toolkit-archive2.3下载安装CUDA11.6.0我比较习惯把一些下载安装同一个文件夹“software”第一步：home下新建文件cd#返回home目录mkdirsoftware#新建software文件夹12第二步：后续在software文件夹下载的CUDA11.6.0安装包wgethttps://developer.download.nvidia.com/compute/cuda/11.6.0/local_installers/cuda_11.6.0_510.39.01_linux.run1第三步（可省略）：给run文件权限sudochmod777cuda_11.6.0_510.39.01_linux.run1第四步：运行run文件（–override：表示覆盖替换文件意思）sudoshcuda_11.6.0_510.39.01_linux.run--override1等待后续：（1）选择continue(2)输入：accept(3)选项条款选择“Enter”按键选中或者取消前面已经安装过Nvidia显卡525，此处不需要Driver（前两个都取消）（X代表选中）最后，Install，等待完成2.4安装CUDA11.6.0后的配置第一步：配置相关环境变量。（1）打开~/.bashrc文件，代码如下：sudovim~/.bashrc1（2）将以下内容写入到~/.bashrc尾部，并保存成功。exportCUDA_HOME=/usr/local/cudaexportPATH=$PATHCUDA_HOME/binexportLD_LIBRARY_PATH=/usr/local/cuda-11.6/lib64${LD_LIBRARY_PATH:+{LD_LIBRARY_PATH}}123（3）保存，退出。终端执行source~/.bashrc1后续可根据意愿进行，我也不确定。参考文献：ubuntu18.04安装nvidia_driver_510+cuda_11.6+cudnn_11.x第二步：利用vim命令打开在/etc/profile文件中，添加CUDA环境变量，代码如下：(1)sudovim/etc/profile1(2)打开文档都在文档结尾加上下面两句：PATH=/usr/local/cuda/binPATHexportPATH12(3)保存后,执行下列命令,使环境变量立即生效，代码如下：source/etc/profile1第三步：同时添加lib库路径，在/etc/ld.so.conf.d/新建文件cuda.conf，命令如下：（1）sudovim/etc/ld.so.conf.d/cuda.conf1（2）在文中加入下面内容：/usr/local/cuda/lib641（3）执行下列命令使之立刻生效，代码如下：sudoldconfig12.5利用测试CUDA的samples来测试cuda安装是否成功cd/usr/local/cuda-11.6/samples/1_Utilities/deviceQuerysudomake./deviceQuery123一般都会面临如下问题：11.6版本cuda的安装目录/usr/local/cuda-11.6/samples里只有一个txt文件，大致意思是告诉你新版本的cuda，samples中内容需要自己在github下载。解决方法：第一步：下载测试示例（1）切换到/usr/local/cuda-11.6/samples目录下cd/usr/local/cuda-11.6/samples/1（2）github下载gitclonehttps://gitee.com/liwuhaoooo/cuda-samples.git1大概率无权访问，此时在cuda-11.6文件夹下打开终端su输入密码切换超级用户chmod777samples123再次执行gitclone就可以了。第二步：找到1_Utilities/deviceQuery文件夹（1）切换到deviceQuery文件夹下（2）运行sudomake./deviceQuery12（3）显示pass注意：三、安装cuDNNv8.5.0(August8th,2022),forCUDA11.x参考文献：从零到一保姆级Ubuntu深度学习服务器环境配置教程3.1打开官网使用邮箱注册（我用的qq邮箱）看参考文献（cuDNN部分）：从零到一保姆级Ubuntu深度学习服务器环境配置教程3.2下载cuDNNv8.5.0(August8th,2022),forCUDA11.x同样，下载之后放在software文件夹中。3.3安装cuDNNv8.5.0(August8th,2022),forCUDA11.x参考文献：Ubuntu20.04安装Nvidia显卡驱动、CUDA11.5、cuDNN8.3、Anaconda及Tensorflow-GPU版本详细图文操作教程第一步：查看官方安装方法Nvidia官方安装教程：https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html完全按照官方操作即可，大概意思是将文档中的X.Y修改成CUDA版本号、v8.x.x.x修改成cuDNN版本号，这里我们将X.Y改为11.5、v8.x.x.x修改为8.3.2.44，同学们参照修改就可以了。第二步：安装（1）切换到下载路径cd~/software1（2）解压tar-xvfcudnn-linux-x86_64-8.5.0.96_cuda11-archive.tar.xz1（3）成功提取文件后不用管它，直接执行下面命令（不用修改，没有版本号之类）sudocpcudnn-*-archive/include/cudnn*.h/usr/local/cuda/includesudocp-Pcudnn-*-archive/lib/libcudnn*/usr/local/cuda/lib64sudochmoda+r/usr/local/cuda/include/cudnn*.h/usr/local/cuda/lib64/libcudnn*1233.4验证安装cat/usr/local/cuda/include/cudnn_version.h|grepCUDNN_MAJOR-A21