cuda nvcc版本不一致_cuda 和 cudnn 库的卸载与安装
本文作为下文的补充:
Kevin:Anaconda 搭建 Tensorflow 2 开发环境zhuanlan.zhihu.com
在将 tf2.0 升级到 tf2.1 后,需要同步地将cuda版本更新到 10.1 ,才能正常使用 gpu。以下将以从 cuda 10.0 升级到 cuda 10.1 为例,介绍如何查看 cuda、cudnn 版本以及进行卸载和安装。
1 查看版本
windows
cuda:在cmd中直接输入nvcc -V,或者cd进入到C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.0目录,输入cat version.txt。
cudnn库:cd进入到C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.0include目录,输入cat cudnn.h | grep CUDNN_MAJOR -A 2。当然直接打开cudnn.h文件,查看CUDNN_MAJOR变量的值也是可以的。
linux
cuda:nvcc –V或cat /usr/local/cuda/version.txt。
cudnn库:cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2。
2 卸载
windows
- 在
windows设置-->应用-->应用和功能中,将带NVDIA并且具有版本号的软件都卸载掉(比如要卸载10.0,那就将下图的软件都卸载)。
- 进入到环境变量的path变量中,删除旧版本的两个变量。
- 删除
C:Program FilesNVIDIA GPU Computing ToolkitCUDA下的v10.0文件夹( cudnn 就在其中)。
linux
参考:https://blog.csdn.net/qq_33200967/article/details/80689543
3 安装(windows)
Linux参考:https://blog.csdn.net/qq_33200967/article/details/80689543
3.1 查看软件要求
在tf官网 tensorflow gpu support 中查看 tf 版本对应的软件要求(Software requirements),例如要安装 tf2.1 ,可以看到要求 cuda 版本为 10.1(cuda 10.1 的安装要求驱动版本高于 418.x ,如果不满足,在后面的cuda安装中也会自动更新)。
3.2 cuda
安装
在 NVIDIA官网 中下载对应版本的 cuda ,打开下载到的安装包cuda_10.1.243_426.00_win10.exe,开始安装。
在安装过程中,注意:
- 选择自定义安装
- 去掉
NVDIA GeForce Experience,因为这东西没用
- 如果没有安装vs的话,必须去掉在
CUDA中的visual studio integration这一项,反正不管怎样去掉就对了。
- 请确认其他要安装的组件,都满足“新版本”(待安装版本)比“旧版本”(已有版本)要高级的,否请请去掉勾选。
检查
- 在环境变量中,确认以下两项:
- 在命令行中输入
nvcc -V查看安装的版本。 - 打开路径
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.1bin检查nvcc.exe是否存在。 - 打开路径
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.1extrasCUPTIlib64检查cupti64_101.dll是否存在。
3.3 cudnn 库
安装
下载 cudnn 动态库 (需要先注册),选择 cuda 对应的 cudnn 版本。
将下载到的压缩包解压到 cuda 的安装路径C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.1下。注意解压后的文件夹名为cuda,请将其改成cudnn。
检查
在 C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.1cudnnbin 下确认cudnn64_7.dll动态库。
配置环境变量
在环境变量的path变量中添加:
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.1extrasCUPTIlib64C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.1cudnnbin
确认下面4项均存在,如果缺少则添加。
欢迎来到FlagOS开发社区,这里是一个汇聚了AI开发者、数据科学家、机器学习爱好者以及业界专家的活力平台。我们致力于成为业内领先的Triton技术交流与应用分享的殿堂,为推动人工智能技术的普及与深化应用贡献力量。
更多推荐



所有评论(0)