Ubuntu下的CUDA情况的安装与设置

经常要在Ubuntu上设置CUDA的运行情况，这里记录下避免之后忘记。
在 Ubuntu 上设置 CUDA 情况，通常需要以下几个步调：

• 查抄系统需求和安装前的准备
  
• 安装 NVIDIA 驱动
  
• 安装 CUDA 工具包
  
• 设置情况变量
  
• 验证 CUDA 安装
  
• （可选）安装 cuDNN（用于深度学习）
  

1. 查抄系统需求和准备工作

在安装 CUDA 之前，确保以下事项：

• 你利用的 Ubuntu 版本支持 CUDA。可以查察 NVIDIA CUDA 官方文档 获取兼容的操作系统列表。
  
• NVIDIA 显卡支持 CUDA（一般来说，较新的 NVIDIA 显卡都支持）。
  

发起你先删除任何旧版本的驱动步伐或 CUDA 软件包，以避免冲突：

1. sudo apt-get --purge remove "*nvidia*"

复制代码

2. 安装 NVIDIA 驱动

你可以利用 Ubuntu 的包管理器来主动安装得当的 NVIDIA 驱动。

• 首先，更新系统软件包：
  
  1. sudo apt update sudo apt upgrade

  复制代码
• 启用 Ubuntu 的驱动步伐堆栈：
  
  1. sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt update

  复制代码
• 查抄可用的 NVIDIA 驱动：
  
  1. ubuntu-drivers devices

  复制代码
  这将列出系统支持的 NVIDIA 驱动版本。
  
• 安装推荐的 NVIDIA 驱动步伐（比方 nvidia-driver-xxx，其中 xxx 是版本号）：
  
  1. sudo apt install nvidia-driver-xxx

  复制代码
  比方，如果推荐安装 nvidia-driver-470，则下令为：
  
  1. sudo apt install nvidia-driver-470

  复制代码
  安装完成后，重新启动盘算机：
  
• 1. sudo reboot

  复制代码

3. 安装 CUDA 工具包

• 下载 CUDA 工具包：访问 NVIDIA CUDA Toolkit 下载页面，选择你的 Ubuntu 版本并复制对应的安装下令。以 CUDA 12.0 为例，利用以下步调：
  
• 添加 CUDA 存储库和 GPG 密钥： 根据官网提供的下令，运行以下下令来添加 CUDA 存储库：
  
  1. wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin
  2. sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600

  复制代码
  添加 GPG 密钥：
  
  1. sudo apt-key adv --fetch-keys https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/7fa2af80.pub

  复制代码
• 安装 CUDA： 安装完 GPG 密钥后，添加 CUDA 存储库并安装 CUDA 工具包：
  
  1. sudo apt update sudo apt install cuda

  复制代码
• 重启系统： 安装完成后，重新启动系统：
  
  1. sudo reboot

  复制代码

4. 设置情况变量

为了让系统可以找到 CUDA 工具和库，需要设置情况变量。

• 打开终端，编辑 .bashrc 文件：
  
  1. nano ~/.bashrc

  复制代码
• 在文件的末尾添加以下几行（请根据现实安装路径调整，通常路径是 /usr/local/cuda-<version>）：
  
  1. export PATH=/usr/local/cuda/bin:$PATH export
  2. LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

  复制代码
• 保存并关闭文件，然后使更改生效：
  
  1. source ~/.bashrc

  复制代码

5. 验证 CUDA 安装

• 查抄 CUDA 版本： 利用以下下令来验证 CUDA 是否安装乐成：
  
  1. nvcc --version

  复制代码
  你应该看到类似以下的输出，体现 CUDA 版本信息：
  
  1. nvcc: NVIDIA (R) Cuda compiler driver
  2. Copyright (c) 2005-2023 NVIDIA Corporation
  3. Built on Thu_May_25_19:08:35_PDT_2023
  4. Cuda compilation tools, release 12.0, V12.0.194

  复制代码
• 运行示例代码： CUDA 工具包中通常包罗示例代码，可以利用这些示例来测试是否乐成安装。
  先导航到 CUDA 安装目录的示例文件夹：
  
  1. cd /usr/local/cuda/samples/1_Utilities/deviceQuery

  复制代码
  然后编译并运行 deviceQuery：
  
  1. sudo make ./deviceQuery

  复制代码
  如果输出体现 GPU 装备的具体信息，阐明安装乐成。
  示例输出：
  
  1. ./deviceQuery Starting...
  3. CUDA Device Query (Runtime API) version (CUDART static linking)
  5. Detected 1 CUDA Capable device(s)
  7. Device 0: "GeForce GTX 1050"
  8. CUDA Driver Version / Runtime Version 11.0 / 11.0
  9. Total amount of global memory: 4041 MBytes (4235358208 bytes)
  10. (6) Multiprocessors, (128) CUDA Cores/MP: 768 CUDA Cores

  复制代码

6. （可选）安装 cuDNN

cuDNN 是 NVIDIA 的深度学习加速库。如果你筹划在 GPU 上运行深度学习框架（如 TensorFlow、PyTorch），发起安装 cuDNN。

• 下载 cuDNN： 从 NVIDIA 官网 cuDNN 下载页面 下载与你的 CUDA 版本匹配的 cuDNN。
  
• 解压并安装： 下载的文件是 .tar 格式。解压后，将 cuDNN 文件复制到 CUDA 目录中：
  
  1. tar -xzvf cudnn-<version>-linux-x64-v<version>.tgz
  2. sudo cp cuda/include/cudnn*.h /usr/local/cuda/include
  3. sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
  4. sudo chmod a+r /usr/local/cuda/include/cudnn*.h /usr/local/cuda/lib64/libcudnn*

  复制代码
• 验证 cuDNN 安装： 查抄 cuDNN 版本：
  
  1. cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2

  复制代码
  如果输出了版本号，阐明 cuDNN 安装乐成。
  

总结

• 安装 NVIDIA 驱动：确保显卡驱动正确安装。
  
• 安装 CUDA 工具包：下载并设置好 CUDA 工具包。
  
• 设置情况变量：设置 CUDA 的 PATH 和 LD_LIBRARY_PATH。
  
• 验证安装：利用 nvcc 和示例代码来验证安装是否乐成。