1. Toy模板网首页
  2. > Toy博客

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda

8月前 作者：楚歌again 分类：Toy博客 阅读(41) 违法举报

这篇具有很好参考价值的文章主要介绍了ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

 参考:Ubuntu20.04下CUDA、cuDNN的详细安装与配置过程（图文）_嵌入式技术的博客-CSDN博客_ubuntu cudnn安装

【最新】cuDNN在CUDA11.7+Ubuntu20.04下的安装及卸载_weixin_54470372的博客-CSDN博客_dpkg: warning: ignoring request to remove cudnn-lo 

官网NVIDIA CUDA Toolkit Documentation

 NVIDIA Documentation Center | NVIDIA Developer | NVIDIA CUDA Toolkit

 

官网NVIDIA cuDNN DocumentationNVIDIA Documentation Center | NVIDIA Developer | NVIDIA cuDNN

一、更新显卡信息，非常重要，否则可能识别出错

sudo update-pciids

二、查看电脑是否有GPU（nivida品牌）

  • 更新前：
cgm@cgm:~/opencv-4.2.0/opencv-4.2.0/build$ lspci | grep -i nvidia
01:00.0 VGA compatible controller: NVIDIA Corporation Device 2560 (rev a1)
01:00.1 Audio device: NVIDIA Corporation Device 228e (rev a1)
  • 更新命令：
cgm@cgm:~/opencv-4.2.0/opencv-4.2.0/build$ sudo update-pciids
[sudo] cgm 的密码： 
  % Total    % Received % Xferd  Average Speed   Time    Time     Time  Current
                                 Dload  Upload   Total   Spent    Left  Speed
100  283k  100  283k    0     0  27816      0  0:00:10  0:00:10 --:--:-- 68336
Done.
  • 更新后（GeForce RTX 3060）：
cgm@cgm:~/opencv-4.2.0/opencv-4.2.0/build$ lspci | grep -i nvidia
01:00.0 VGA compatible controller: NVIDIA Corporation GA106M [GeForce RTX 3060 Mobile / Max-Q] (rev a1)
01:00.1 Audio device: NVIDIA Corporation GA106 High Definition Audio Controller (rev a1)

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda

更新后正确识别出了显卡型号。

Nvidia 卡信息的末尾是 rev a1,表示独显运行。 Nvidia 卡信息的末尾是 rev ff,表示独显已经关闭。 

三、安装NVIDIA显卡驱动

 ubuntu20.04 安装NVIDIA驱动很容易，只需要打开系统设置->软件和更新->附加驱动->选择NVIDIA驱动->应用更改。该界面会自动根据电脑上的GPU显示推荐的NVIDIA显卡驱动。

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda

NVIDIA（英伟达）显卡驱动安装完成后，在终端输入nvidia-smi输出如下图所示的结果就表示安装成功了。下图中Driver Version显示的是当前安装的英伟达驱动版本号470.161.03，CUDA Version显示的是当前驱动版本可以安装的CUDA最高版本号11.4

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda

查看电脑可以安装的版本(如果你的驱动正常不用看下面这些)

下面这个链接是我更新推荐的驱动造成的问题,建议有驱动就不要更新了.

ubuntu因更新驱动开不了机_楚歌again的博客-CSDN博客

ubuntu-drivers devices

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda

  安装nvidia驱动，选择上述图片recommend的版本

sudo apt install nvidia-driver-525-open
reboot

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda

 我安装了这个recommend的版本直接导致了严重的后果.

ubuntu因更新驱动开不了机_楚歌again的博客-CSDN博客

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda

参考上面的链接,我还是安装的470的驱动，之后跳过安装显卡这一步 

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda

查看nvidia驱动信息

nvidia-smi

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda

 ubuntu20.04/Ubuntu22.04配置cuda和cuDNN_心儿痒痒的博客-CSDN博客

测试驱动是否安装成功以及查看驱动版本
打开终端输入nvidia-smi,查看输出情况。若驱动安装成功，会输出类似下图的结果。
下图中需要注意的有两点：Driver Version显示的是当前安装的英伟达驱动版本号470.161.03，CUDA Version显示的是当前驱动版本可以安装的CUDA最高版本号11.4

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda

Ubuntu 20.04安装CUDA 11.0, cuDNN - 简书

 

四.关闭系统自带驱动Nouveau

官网禁用Nouveau文档链接:CUDA Installation Guide for Linux

注意！在安装NVIDIA驱动以前需要禁止系统自带显卡驱动nouveau：可以先通过指令lsmod | grep nouveau查看nouveau驱动的启用情况，如果有输出表示nouveau驱动正在工作，如果没有内容输出则表示已经禁用了nouveau。

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda

  • 我的电脑没有输出，表示nouveau禁用了

五、安装CUDA5.1. 下载与安装CUDA

官网Runfile安装文档的链接: CUDA Installation Guide for Linux

cuda兼容性列表：

Table 2. CUDA Toolkit and Minimum Required Driver Version for CUDA Minor Version Compatibility

CUDA Toolkit

Minimum Required Driver Version for CUDA Minor Version Compatibility*

Linux x86_64 Driver Version

Windows x86_64 Driver Version

CUDA 12.0.x

>=525.60.13

>=527.41

CUDA 11.8.x

>=450.80.02

>=452.39

CUDA 11.7.x

>=450.80.02

>=452.39

CUDA 11.6.x

>=450.80.02

>=452.39

CUDA 11.5.x

>=450.80.02

>=452.39

CUDA 11.4.x

>=450.80.02

>=452.39

CUDA 11.3.x

>=450.80.02

>=452.39

CUDA 11.2.x

>=450.80.02

>=452.39

CUDA 11.1 (11.1.0)

>=450.80.02

>=452.39

CUDA 11.0 (11.0.3)

>=450.36.06**

>=451.22**

可见：安装CUDA11.4 需要  Linux x86_64 Driver Version >=470.82.01

如下图所示，这里以CUDA11.4.0为例，介绍ubuntu20.04系统上CUDA的安装。我们可以从NVIDIA官网CUDA下载页面，网址为https://developer.nvidia.com/cuda-toolkit-archive，点击CUDA Toolkit 11.4.0下载相应版本的CUDA11.4.0。

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda

 

在如下图所示的界面，以此选择Linux→x86_64→Ubuntu→ 20.04。然后弹出三种安装方法，根据安装经验这里推荐采用runfile(local)方法。这是由于CUDA的安装过程需要很多依赖库文件，CUDA的run文件虽然比另外两种安装方法的文件大，但是它包含了所有的依赖库文件，所以采用相对来说很容易安装成功。

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda

在安装CUDA11.4之前需要首先安装一些相互依赖的库文件： 

sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

sudo apt-get install libglfw3-dev

 

下面为安装CUDA11.4.0的Ubuntu安装指令：

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda

wget https://developer.download.nvidia.com/compute/cuda/11.4.0/local_installers/cuda_11.4.0_470.42.01_linux.run
//cuda_11.4.0_470.42.01_linux.run，表示为cuda_cuda版本号_显卡驱动最低要求版本号_操作系统名称.run
sudo sh cuda_11.4.0_470.42.01_linux.run
 

 运行上面第二条指令后，稍等片刻,会弹出如下界面，点击Continueubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda
 

然后再输入accept。
 

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda
 

 
 

接着，如下图所示，在弹出的界面中通过Enter键，取消Driver和470.42.01的安装，然后点击Install，等待 
 

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda
 

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda 
 

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda
 

 
 

 可以仔细阅读一下上面的安装信息:
 

cgm@cgm:~$ sudo sh cuda_11.4.0_470.42.01_linux.run
===========
= Summary =
===========

Driver:   Not Selected
Toolkit:  Installed in /usr/local/cuda-11.4/
Samples:  Installed in /home/cgm/

Please make sure that
 -   PATH includes /usr/local/cuda-11.4/bin
 -   LD_LIBRARY_PATH includes /usr/local/cuda-11.4/lib64, or, add /usr/local/cuda-11.4/lib64 to /etc/ld.so.conf and run ldconfig as root

To uninstall the CUDA Toolkit, run cuda-uninstaller in /usr/local/cuda-11.4/bin
***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 470.00 is required for CUDA 11.4 functionality to work.
To install the driver using this installer, run the following command, replacing <CudaInstaller> with the name of this run file:
    sudo <CudaInstaller>.run --silent --driver

Logfile is /var/log/cuda-installer.log

 

百度翻译一下 
 

cgm@cgm：~$sudo sh cuda_111.4.0_470.42.01_linux.run
===========
=摘要=
===========
驱动程序：未选择
工具包：安装在/usr/local/cuda-11.4中/
示例：安装在/home/cgm中/
请确保
-PATH包括/usr/local/cuda-11.4/bin
-LD_LIBRARY_PATH包含/usr/local/cuda-11.4/lib64，或将/usr/local/cud-11.4/lib64添加到/etc/LD.so。conf并以root身份运行ldconfig
要卸载CUDA Toolkit，请在/usr/local/CUDA-11.4/bin中运行CUDA uninstaller
***警告：安装不完整！此安装未安装CUDA驱动程序。CUDA 11.4功能运行需要至少470.00版本的驱动程序。
要使用此安装程序安装驱动程序，请运行以下命令，将<CudaInstaller>替换为此运行文件的名称：
sudo＜CudaInstaller＞。运行--静音--驱动程序
日志文件为/var/log/cuda-installer.log
 

看一下安装的位置吧 
 

系统安装CUDA包括两个部分：NVIDIA CUDA GPU计算工具包和NVIDIA CUD示例包两个部分。
 如下图所示，Ubuntu20.04系统会默认地将CUDA的NVIDIA GPU计算工具包安装到/usr/local/文件夹下面，可以看到该文件夹下多了两个文件夹cuda和cuda-11.4。
 

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda
 

看一下样例的位置吧  
 

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda
 

 
 

 
 

5.2. 配置CUDA的环境变量
 

官网环境配置的文档: CUDA Installation Guide for Linux
 CUDA安装完成后，需要配置变量环境才能正常使用。首先在终端输入sudo gedit ~/.bashrc打开如下图所示的.bashrc文件。
 然后，如下图所示在.bashrc文件的最后添加以下CUDA环境变量配置信息（我从不同的文章中看到这里添加的信息不仅相同，目前还不太清楚具体含义，所以这里仅仅罗列出它们）：
 

sudo gedit ~/.bashrc
 

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda

 

我用的是上面这三个 exportubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda
 

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda
 

 
 

 
 
注意：上面的CUDA环境变量配置方法有很多，本文的配置方法中的cuda不要指定具体的版本，主要是为了电脑中多个CUDA版本的切换。
 

 

 有的文章写的是这样(注意版本号)
 

export PATH=/usr/local/cuda-11.6/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.6/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

 

有的文章写的是这样(注意版本号)
 

export PATH=/usr/local/cuda-11.2/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.2/lib64
export LD_LIBRARY_PATH=/usr/local/cuda-11.2/lib64:$LD_LIBRARY_PATH

 

最后，在终端输入source ~/.bashrc或者重新启终端使之生效。这时，我们就可以在终端输入nvcc -V查看CUDA的安装信息，如下图所示，至此CUDA安装成功。
 

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda
 

 2.3. CUDA测试
 

对CUDA安装是否成功，需要进入NVIDIA CUDA示例包，其位于主目录
 

/home/cgm/NVIDIA_CUDA-11.0_Samples内，在该文件夹下打开终端，并输入make,等待。然后进入1_Utilities/deviceQuery文件夹，并在终端执行./deviceQuery命令，如下result=PASS则表示安装成功。
 

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda
 

小插曲,报错
 

 
 
VulkanBaseApp.cpp:30:10: fatal error: GLFW/glfw3.h: 没有那个文件或目录
    30 | #include <GLFW/glfw3.h>
 

 

sudo apt-get install libglfw3-dev
 

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda 再次make
 

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda
 

 
 

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda
 

 
 

六、cuDNN的安装与检测 6.1. cuDNN的安装
 

cuDNN官方安装文档链接：Installation Guide :: NVIDIA Deep Learning cuDNN Documentation
 


 从NVIDIA官网的cudnn下载页面上下载与安装CUDA对应的cudnn(需要注册)，网址为https://developer.nvidia.com/rdp/cudnn-download。选择Ubuntu20.04系统下，CUDA11.4.0对应的cuDNN v版本，如下图所示：
 

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda
 

 ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda
 

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda 
 

 ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda
 
 

对下载的cudnn-11.4-linux-x64-v8.2.4.15.tgz进行解压操作，得到一个文件夹cudnn-11.4-linux-x64-v8.2.4.15，命令为：
 

tar -zxvf cudnn-11.4-linux-x64-v8.2.4.15.tgz
 

然后，进入cudnn-11.4-linux-x64-v8.2.4.15,并右键->在终端打开使用下面两条指令
 

复制cuda文件夹下的文件 lib64 到 /usr/local/cuda-11.4/lib64/
 

复制cuda文件夹下的文件 linclude 到 /usr/local/cuda-11.4/include/。
 

sudo cp cuda/lib64/* /usr/local/cuda-11.4/lib64/
sudo cp cuda/include/* /usr/local/cuda-11.4/include/
 

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda
 

 
 

拷贝完成后，我们可以使用如下的命令查看cuDNN的信息：
 

cat /usr/local/cuda-11.4/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
 

输出下面的信息就是成功了。 
 

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda
 

 
 

6.2. cuDNN的检测
 

从NVIDIA官网的cudnn下载页面上下载三个.deb格式的检测文件，如下图所示：ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda
 

 ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda
 

 
 

在终端输入如下命令安装下载的三个.deb格式的检测文件：
 

sudo dpkg -i libcudnn8_8.2.4.15-1+cuda11.4_amd64.deb 
sudo dpkg -i libcudnn8-dev_8.2.4.15-1+cuda11.4_amd64.deb 
sudo dpkg -i libcudnn8-samples_8.2.4.15-1+cuda11.4_amd64.deb 
 

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda
 

 查询
 

sudo dpkg -l | grep cudnn
 

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda
 

 
 

通过上面三条指令，cuDNN的测试文件会自动安装在系统的/usr/src/cudnn_samples_v8文件夹下，进入mnistCUDNN下，执行命令make clean && make。如果结果如下图所示，则表示cuDNN安装成功。
 

 执行make时报错:
 

 
 
rm -rf *o
 rm -rf mnistCUDNN
 CUDA_VERSION is 11040
 Linking agains cublasLt = true
 CUDA VERSION: 11040
 TARGET ARCH: x86_64
 HOST_ARCH: x86_64
 TARGET OS: linux
 SMS: 35 50 53 60 61 62 70 72 75 80 86
 /bin/sh: 1: cannot create test.c: Permission denied
 /bin/sh: 1: cannot create test.c: Permission denied
 g++: error: test.c: 没有那个文件或目录
 g++: warning: ‘-x c’ after last input file has no effect
 g++: fatal error: no input files
 compilation terminated.
 >>> WARNING - FreeImage is not set up correctly. Please ensure FreeImage is set up correctly. <<<
 [@] /usr/local/cuda/bin/nvcc -I/usr/local/cuda/include -I/usr/local/cuda/include -IFreeImage/include -ccbin g++ -m64 -gencode arch=compute_35,code=sm_35 -gencode arch=compute_50,code=sm_50 -gencode arch=compute_53,code=sm_53 -gencode arch=compute_60,code=sm_60 -gencode arch=compute_61,code=sm_61 -gencode arch=compute_62,code=sm_62 -gencode arch=compute_70,code=sm_70 -gencode arch=compute_72,code=sm_72 -gencode arch=compute_75,code=sm_75 -gencode arch=compute_80,code=sm_80 -gencode arch=compute_86,code=sm_86 -gencode arch=compute_86,code=compute_86 -o fp16_dev.o -c fp16_dev.cu
 [@] g++ -I/usr/local/cuda/include -I/usr/local/cuda/include -IFreeImage/include -o fp16_emu.o -c fp16_emu.cpp
 [@] g++ -I/usr/local/cuda/include -I/usr/local/cuda/include -IFreeImage/include -o mnistCUDNN.o -c mnistCUDNN.cpp
 [@] /usr/local/cuda/bin/nvcc -ccbin g++ -m64 -gencode arch=compute_35,code=sm_35 -gencode arch=compute_50,code=sm_50 -gencode arch=compute_53,code=sm_53 -gencode arch=compute_60,code=sm_60 -gencode arch=compute_61,code=sm_61 -gencode arch=compute_62,code=sm_62 -gencode arch=compute_70,code=sm_70 -gencode arch=compute_72,code=sm_72 -gencode arch=compute_75,code=sm_75 -gencode arch=compute_80,code=sm_80 -gencode arch=compute_86,code=sm_86 -gencode arch=compute_86,code=compute_86 -o mnistCUDNN fp16_dev.o fp16_emu.o mnistCUDNN.o -I/usr/local/cuda/include -I/usr/local/cuda/include -IFreeImage/include -L/usr/local/cuda/lib64 -L/usr/local/cuda/lib64 -L/usr/local/cuda/lib64 -lcublasLt -LFreeImage/lib/linux/x86_64 -LFreeImage/lib/linux -lcudart -lcublas -lcudnn -lfreeimage -lstdc++ -lm
  
 

 

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda
 

 
 

（1）因为有warning：
 

WARNING - FreeImage is not set up correctly. Please ensure FreeImage is set up correctly.
 

所以先下载libfreeimage：sudo apt-get install libfreeimage3 libfreeimage-dev
 

(2) Permission denied，命令前添加sudo，即sudo make，成功
 

sudo make clean && sudo make

 

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda
 

 ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda
 

 
 

cgm@cgm:/usr/src/cudnn_samples_v8/mnistCUDNN$ ./mnistCUDNN 
Executing: mnistCUDNN
cudnnGetVersion() : 8204 , CUDNN_VERSION from cudnn.h : 8204 (8.2.4)
Host compiler version : GCC 9.4.0

There are 1 CUDA capable devices on your machine :
device 0 : sms 30  Capabilities 8.6, SmClock 1425.0 Mhz, MemSize (Mb) 5921, MemClock 7001.0 Mhz, Ecc=0, boardGroupID=0
Using device 0

Testing single precision
Loading binary file data/conv1.bin
Loading binary file data/conv1.bias.bin
Loading binary file data/conv2.bin
Loading binary file data/conv2.bias.bin
Loading binary file data/ip1.bin
Loading binary file data/ip1.bias.bin
Loading binary file data/ip2.bin
Loading binary file data/ip2.bias.bin
Loading image data/one_28x28.pgm
Performing forward propagation ...
Testing cudnnGetConvolutionForwardAlgorithm_v7 ...
^^^^ CUDNN_STATUS_SUCCESS for Algo 1: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 0: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 2: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 5: -1.000000 time requiring 178432 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 4: -1.000000 time requiring 184784 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 7: -1.000000 time requiring 2057744 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 6: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 3: -1.000000 time requiring 0 memory
Testing cudnnFindConvolutionForwardAlgorithm ...
^^^^ CUDNN_STATUS_SUCCESS for Algo 0: 0.012288 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 1: 0.013184 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 5: 0.049984 time requiring 178432 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 2: 0.269312 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 7: 1.657632 time requiring 2057744 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 4: 3.042144 time requiring 184784 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 6: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 3: -1.000000 time requiring 0 memory
Testing cudnnGetConvolutionForwardAlgorithm_v7 ...
^^^^ CUDNN_STATUS_SUCCESS for Algo 1: -1.000000 time requiring 128848 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 0: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 4: -1.000000 time requiring 2450080 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 2: -1.000000 time requiring 128000 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 5: -1.000000 time requiring 4656640 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 7: -1.000000 time requiring 1433120 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 6: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 3: -1.000000 time requiring 0 memory
Testing cudnnFindConvolutionForwardAlgorithm ...
^^^^ CUDNN_STATUS_SUCCESS for Algo 0: 0.043008 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 5: 0.082944 time requiring 4656640 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 2: 0.109344 time requiring 128000 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 4: 0.315200 time requiring 2450080 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 7: 0.335872 time requiring 1433120 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 1: 0.984064 time requiring 128848 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 6: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 3: -1.000000 time requiring 0 memory
Resulting weights from Softmax:
0.0000000 0.9999399 0.0000000 0.0000000 0.0000561 0.0000000 0.0000012 0.0000017 0.0000010 0.0000000 
Loading image data/three_28x28.pgm
Performing forward propagation ...
Testing cudnnGetConvolutionForwardAlgorithm_v7 ...
^^^^ CUDNN_STATUS_SUCCESS for Algo 1: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 0: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 2: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 5: -1.000000 time requiring 178432 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 4: -1.000000 time requiring 184784 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 7: -1.000000 time requiring 2057744 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 6: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 3: -1.000000 time requiring 0 memory
Testing cudnnFindConvolutionForwardAlgorithm ...
^^^^ CUDNN_STATUS_SUCCESS for Algo 0: 0.011264 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 1: 0.012288 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 2: 0.012288 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 7: 0.037888 time requiring 2057744 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 5: 0.043008 time requiring 178432 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 4: 0.052224 time requiring 184784 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 6: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 3: -1.000000 time requiring 0 memory
Testing cudnnGetConvolutionForwardAlgorithm_v7 ...
^^^^ CUDNN_STATUS_SUCCESS for Algo 1: -1.000000 time requiring 128848 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 0: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 4: -1.000000 time requiring 2450080 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 2: -1.000000 time requiring 128000 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 5: -1.000000 time requiring 4656640 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 7: -1.000000 time requiring 1433120 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 6: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 3: -1.000000 time requiring 0 memory
Testing cudnnFindConvolutionForwardAlgorithm ...
^^^^ CUDNN_STATUS_SUCCESS for Algo 0: 0.035840 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 4: 0.045056 time requiring 2450080 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 5: 0.075776 time requiring 4656640 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 1: 0.080896 time requiring 128848 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 7: 0.083744 time requiring 1433120 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 2: 0.102400 time requiring 128000 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 6: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 3: -1.000000 time requiring 0 memory
Resulting weights from Softmax:
0.0000000 0.0000000 0.0000000 0.9999288 0.0000000 0.0000711 0.0000000 0.0000000 0.0000000 0.0000000 
Loading image data/five_28x28.pgm
Performing forward propagation ...
Resulting weights from Softmax:
0.0000000 0.0000008 0.0000000 0.0000002 0.0000000 0.9999820 0.0000154 0.0000000 0.0000012 0.0000006 

Result of classification: 1 3 5

Test passed!

Testing half precision (math in single precision)
Loading binary file data/conv1.bin
Loading binary file data/conv1.bias.bin
Loading binary file data/conv2.bin
Loading binary file data/conv2.bias.bin
Loading binary file data/ip1.bin
Loading binary file data/ip1.bias.bin
Loading binary file data/ip2.bin
Loading binary file data/ip2.bias.bin
Loading image data/one_28x28.pgm
Performing forward propagation ...
Testing cudnnGetConvolutionForwardAlgorithm_v7 ...
^^^^ CUDNN_STATUS_SUCCESS for Algo 1: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 0: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 2: -1.000000 time requiring 28800 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 5: -1.000000 time requiring 178432 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 4: -1.000000 time requiring 184784 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 7: -1.000000 time requiring 2057744 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 6: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 3: -1.000000 time requiring 0 memory
Testing cudnnFindConvolutionForwardAlgorithm ...
^^^^ CUDNN_STATUS_SUCCESS for Algo 0: 0.012288 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 1: 0.012576 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 2: 0.025600 time requiring 28800 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 5: 0.049440 time requiring 178432 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 4: 0.054272 time requiring 184784 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 7: 0.054272 time requiring 2057744 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 6: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 3: -1.000000 time requiring 0 memory
Testing cudnnGetConvolutionForwardAlgorithm_v7 ...
^^^^ CUDNN_STATUS_SUCCESS for Algo 1: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 0: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 2: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 4: -1.000000 time requiring 2450080 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 5: -1.000000 time requiring 4656640 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 7: -1.000000 time requiring 1433120 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 6: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 3: -1.000000 time requiring 0 memory
Testing cudnnFindConvolutionForwardAlgorithm ...
^^^^ CUDNN_STATUS_SUCCESS for Algo 0: 0.039936 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 1: 0.045056 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 4: 0.047104 time requiring 2450080 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 5: 0.075776 time requiring 4656640 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 2: 0.086016 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 7: 0.086016 time requiring 1433120 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 6: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 3: -1.000000 time requiring 0 memory
Resulting weights from Softmax:
0.0000001 1.0000000 0.0000001 0.0000000 0.0000563 0.0000001 0.0000012 0.0000017 0.0000010 0.0000001 
Loading image data/three_28x28.pgm
Performing forward propagation ...
Testing cudnnGetConvolutionForwardAlgorithm_v7 ...
^^^^ CUDNN_STATUS_SUCCESS for Algo 1: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 0: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 2: -1.000000 time requiring 28800 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 5: -1.000000 time requiring 178432 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 4: -1.000000 time requiring 184784 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 7: -1.000000 time requiring 2057744 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 6: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 3: -1.000000 time requiring 0 memory
Testing cudnnFindConvolutionForwardAlgorithm ...
^^^^ CUDNN_STATUS_SUCCESS for Algo 0: 0.010240 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 1: 0.013376 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 2: 0.025408 time requiring 28800 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 5: 0.040128 time requiring 178432 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 7: 0.044992 time requiring 2057744 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 4: 0.060416 time requiring 184784 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 6: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 3: -1.000000 time requiring 0 memory
Testing cudnnGetConvolutionForwardAlgorithm_v7 ...
^^^^ CUDNN_STATUS_SUCCESS for Algo 1: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 0: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 2: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 4: -1.000000 time requiring 2450080 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 5: -1.000000 time requiring 4656640 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 7: -1.000000 time requiring 1433120 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 6: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 3: -1.000000 time requiring 0 memory
Testing cudnnFindConvolutionForwardAlgorithm ...
^^^^ CUDNN_STATUS_SUCCESS for Algo 0: 0.041984 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 1: 0.043808 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 4: 0.046080 time requiring 2450080 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 2: 0.081920 time requiring 0 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 7: 0.086912 time requiring 1433120 memory
^^^^ CUDNN_STATUS_SUCCESS for Algo 5: 0.090080 time requiring 4656640 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 6: -1.000000 time requiring 0 memory
^^^^ CUDNN_STATUS_NOT_SUPPORTED for Algo 3: -1.000000 time requiring 0 memory
Resulting weights from Softmax:
0.0000000 0.0000000 0.0000000 1.0000000 0.0000000 0.0000714 0.0000000 0.0000000 0.0000000 0.0000000 
Loading image data/five_28x28.pgm
Performing forward propagation ...
Resulting weights from Softmax:
0.0000000 0.0000008 0.0000000 0.0000002 0.0000000 1.0000000 0.0000154 0.0000000 0.0000012 0.0000006 

Result of classification: 1 3 5

Test passed!

 

七、CUDA的卸载
 

 
 
注意在安装界面有这么一句话:
 
 
To uninstall the CUDA Toolkit, run cuda-uninstaller in /usr/local/cuda-11.4/bin
 

 


 进入到/usr/local/cuda-11.4/bin目录下，而不是cuda目录。然后打开终端，输入sudo ./cuda-uninstaller。
 

 
 

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda
 

输入命令后，弹出如下界面，通过回车键选中三个选项，最后选中Done。执行完下面指令后，上面的cuda文件就删除了。
 

ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda
 

最后，在终端输入命令sudo rm -rf /usr/local/cuda-11.4，就可以最终卸载CUDA11.4和cuDNN v8.2.4了。文章来源地址https://www.toymoban.com/news/detail-416000.html
                    
到了这里，关于ubuntu20.04,GeForce RTX 3060,CUDA Version: 11.4安装cuda的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！

                

                

                                                

                   

                       
                            
                            
                            
                            
                    
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处： 如若内容造成侵权/违法违规/事实不符，请点击违法举报进行投诉反馈，一经查实，立即删除！

                

                                

                    
分享到：

                    领支付宝红包
                    赞助服务器费用
                

                            

            

		        
相关文章

			    
    
			        			        
  • 
			                                    
    
                            
                                Ubuntu20.04+Quadro RTX 5000，3D gaussian环境配置
                            
                        
    
                                                
    
                            
    
                                Ubuntu20.04+Quadro RTX 5000，3D gaussian环境配置
                            
    
                            
    
                                
    2020年，NeRF的出现之际引起了轩然大波，出现了大量相关工作。3D gaussian算是新视角生成领域目前的SOTA，可以进行实时的渲染；最大训练速度上可以与Instant相当，且质量差不多；增加迭代次数后，可以显著提高重建质量，在训练时间51min的情况下，重建效果可以稍微超过Mip-
    
                            
    
                            
    
                                2024年02月05日
                                
    
                                    浏览(36)
                                 
    
                            
    
                        
    
                    
    • 			        
  • 
			                                    
    
                            
                                RTX4080+Ubuntu20.04深度学习环境配置（小白入门友好）
                            
                        
    
                                                
    
                            
    
                                RTX4080+Ubuntu20.04深度学习环境配置（小白入门友好）
                            
    
                            
    
                                
    因为科研需要，最近几个月开始入门深度学习，准备做语义分割相关的东西。整了一块16G的4080显卡，从0开始学习配置，但找了网上很多资源，感觉很多都不适合纯小白入门。第一次配置成功后没有做记录，昨天因为系统的ubuntu图形用户界面崩掉了，整了很多方法，都没有成
    
                            
    
                            
    
                                2024年02月04日
                                
    
                                    浏览(64)
                                 
    
                            
    
                        
    
                    
    • 			        
  • 
			                                    
    
                            
                                Ubuntu 20.04 + UE4.27 + Airsim + ROS 学习（2）（显卡rtx 4060+双系统)
                            
                        
    
                                                
    
                            
    
                                Ubuntu 20.04 + UE4.27 + Airsim + ROS 学习（2）（显卡rtx 4060+双系统)
                            
    
                            
    
                                
    由于换了电脑，所以又重新配置了一下环境，所以想把自己在搭建过程中解决的一些问题进行分享。我是主体参考的Ubuntu18.04搭建AirSim+ROS仿真环境_airsim ros-CSDN博客小青蛙大佬的这篇，但是在顺着他的思路往下搭的时候自己也遇到了很多问题，所幸都解决了！ 1. 首先是获取U
    
                            
    
                            
    
                                2024年02月04日
                                
    
                                    浏览(36)
                                 
    
                            
    
                        
    
                    
    • 			        
  • 
			                                    
    
                            
    
                                Ubuntu20.04卸载cuda12.0
                            
    
                            
    
                                
    刚装cuda的时候没仔细看版本，默认安装了cuda12.0，然后发现pytorch并不支持12.0的版本，于是卸载重装，先贴解决办法再吐槽:解决办法是参考的Nvidia官方文档 只需要两步: 官方文档中实际上是三步: 其中第二步是用来卸载nvidia驱动的，但是我想保留驱动而只卸载cuda所以就跳过了
    
                            
    
                            
    
                                2024年02月11日
                                
    
                                    浏览(41)
                                 
    
                            
    
                        
    
                    
    • 			        
  • 
			                                    
    
                            
                                WSL 2 Ubuntu 20.04 配置 CUDA
                            
                        
    
                                                
    
                            
    
                                WSL 2 Ubuntu 20.04 配置 CUDA
                            
    
                            
    
                                
    目前大多数 N 卡电脑都已经自带了 NVIDIA GeForce Experience 软件以及显卡驱动，无需额外配置。 在 Windows 的终端中，可以执行 nvidia-smi 查看显卡状态： 如果没有驱动的话，可以在官网下载，根据自己的配置选择安装即可： 驱动安装完成后，可以执行 nvidia-smi 验证驱动安装是否成
    
                            
    
                            
    
                                2024年02月16日
                                
    
                                    浏览(33)
                                 
    
                            
    
                        
    
                    
    • 			        
  • 
			                                    
    
                            
    
                                Ubuntu20.04安装cuda12.11
                            
    
                            
    
                                
    首先就是安装显卡驱动，我是双3090，不知道为什么，官网死活安不上，最后从软件更新那里直接安装上了，绷不住了 首先从官网下载runfile文件 安装的时候记得驱动和Kernel Objects 和 nvidia-fs不选 然后全剧终 等等，你还需要vim .bashrc，加入(版本替换成自己的) 改成清华源直接安
    
                            
    
                            
    
                                2024年01月23日
                                
    
                                    浏览(68)
                                 
    
                            
    
                        
    
                    
    • 			        
  • 
			                                    
    
                            
                                【Ubuntu20.04安装Nvidia驱动、CUDA和CUDNN】
                            
                        
    
                                                
    
                            
    
                                【Ubuntu20.04安装Nvidia驱动、CUDA和CUDNN】
                            
    
                            
    
                                
    官网链接：https://www.nvidia.cn/Download/index.aspx?lang=cn 或者https://www.nvidia.cn/geforce/drivers/ 注 ：Ubuntu系统是不区别显卡类别的显卡驱动，一般来说，下载最新版本的驱动即可；Win系统是需要根据显卡来选择具体的驱动版本。 1.2.1 NVIDIA 驱动与 Nouveau 驱动不兼容 由于系统当前正在使用
    
                            
    
                            
    
                                2024年02月11日
                                
    
                                    浏览(59)
                                 
    
                            
    
                        
    
                    
    • 			        
  • 
			                                    
    
                            
                                Ubuntu20.04安装CUDA cuDNN 以及对应的pytorch
                            
                        
    
                                                
    
                            
    
                                Ubuntu20.04安装CUDA cuDNN 以及对应的pytorch
                            
    
                            
    
                                
    NVIDIA的显卡在有驱动的前提下我们才能够使用的。平时所说的显卡的驱动和CUDA驱动不是一个东西，对于没有用过显卡的我来说开始就搞混了。CUDA 是用于显卡并行计算的预算平台，cuDNN专门加速深度学习算法在显卡上的计算，个人理解相当于加速器。cuda 版本的pytorch相当于能
    
                            
    
                            
    
                                2024年02月08日
                                
    
                                    浏览(50)
                                 
    
                            
    
                        
    
                    
    • 			        
  • 
			                                    
    
                            
                                Ubuntu20.04LTS安装CUDA并支持多版本切换
                            
                        
    
                                                
    
                            
    
                                Ubuntu20.04LTS安装CUDA并支持多版本切换
                            
    
                            
    
                                
    如果Ubuntu系统还没有安装显卡驱动，参考这篇文章：Ubuntu20.04LTS安装RTX-3060显卡驱动 当显卡驱动安装完成后，需要使用 nvidia-smi 命令查看英伟达显卡驱动版本。 如上图所示，英伟达驱动版本为520.61.05，CUDA最高支持的版本为11.8。 点击该链接：https://docs.nvidia.com/cuda/cuda-toolkit-
    
                            
    
                            
    
                                2024年02月13日
                                
    
                                    浏览(48)
                                 
    
                            
    
                        
    
                    
    • 			        
  • 
			                                    
    
                            
                                笔记--Ubuntu20.04安装Nvidia驱动、CUDA Toolkit和CUDA CuDNN
                            
                        
    
                                                
    
                            
    
                                笔记--Ubuntu20.04安装Nvidia驱动、CUDA Toolkit和CUDA CuDNN
                            
    
                            
    
                                
    目录 1--安装Nvidia驱动 2--安装CUDA 2-1--禁用nouveau 2-2--选择CUDA Toolkit 2-3--下载和安装CUDA Toolkit 2-4--配置环境变量 2-5--测试是否安装成功： 3--安装CUDA CuDNN 4--测试pytorch能否使用Cuda ① 查看可安装的Nvidia驱动版本： ② 安装相应版本的Nvidia驱动： 博主这里选择的是第一个，也可以安
    
                            
    
                            
    
                                2024年02月02日
                                
    
                                    浏览(51)
                                 
    
                            
    
                        
    
                    
    • 			    

			

        

                
    

    



    
觉得文章有用就打赏一下文章作者



    
支付宝扫一扫打赏

    
博客赞助





    
微信扫一扫打赏

    
请作者喝杯咖啡吧~博客赞助











    
支付宝扫一扫领取红包，优惠每天领

	

	    
二维码1

	    
领取红包

	

	

	    
二维码2

	    
领红包