Linux+CentOS服务器NVIDIA显卡驱动更新(NVIDIA Driver)、CUDA、cuDNN更新
[*]目录
[*]一、服务器显卡驱动更新
[*]1、查看原有的显卡驱动和CUDA信息（做备份纪录）
[*]2、删除原本服务器上的nvidia驱动步伐
[*]3、重新安装nvidia驱动步伐
[*]二、CUDA更新
[*]1、官网查找cuda对应的版本：CUDA Toolkit Archive | NVIDIA Developer
[*]2、复制红框两行代码到服务器，进行CUDA下载
[*]3、设置环境变量
[*]三、安装cudnn
[*]1、官网下载cudnn
[*]2、下载tar.xz包后放在服务器目录下，使用tar命令对tar.xz进行解压：
[*]3、将解压后的头文件和库复制到cuda目录中：
[*]4、cuDNN安装完成，查看安装的版本：
一、服务器显卡驱动更新
1、查看原有的显卡驱动和CUDA信息（做备份纪录）
nvidia-smi -a 备注：
nvidia-smi：GPU驱动版本，driverAPI（支持的最高cuda版本）
watch -n 1 nvidia-smi：动态监控显卡状态
nvcc -V：cuda版本，timeAPI（运行时API）
2、删除原本服务器上的nvidia驱动步伐
① 清除所有nvidia相关文件和依靠
yum remove nvidia-* ② 进一步清除（把nvidia-driver的相关组件都清理掉）
rpm -qa|grep -i nvid|sort
yum remove kmod-nvidia-* ③ 清除cuda
yum remove "*nvidia*"
yum remove "*cublas*" "cuda*" ④ 卸除驱动重启
sudo reboot ⑤ 输入nvidai-smi，报错的话就是卸载乐成了。
3、重新安装nvidia驱动步伐
① 在nvidia官网找到显卡对应的驱动步伐，下载后复制到服务器上。可以自界说放在这个目录：/root/Downloads/（自界说即可）
nvidia官网驱动下载：官方驱动 | NVIDIA
https://img-blog.csdnimg.cn/direct/f07b37e1f6744bf28fe4ae3c75fdf1fb.png
② cd到这个驱动文件的目录，然后运行这个驱动文件
cd /root/Downloads/
sh NVIDIA-Linux-x86_64-470.57.02.run 备注：在安装过程中大概会显示一个问题
https://img-blog.csdnimg.cn/direct/441c944093e149c8ad3f937e2fb43ef9.png
选择NO继续。如果出现警告可以不消理会，直接继续，直到安装完成。
③ 安装完成后，输入nvidai-smi，显示如下，则安装乐成。
https://img-blog.csdnimg.cn/direct/177b2bf446804b79982a3c8e9174cce0.png
二、CUDA更新
1、官网查找cuda对应的版本：CUDA Toolkit Archive | NVIDIA Developer
https://img-blog.csdnimg.cn/direct/0d25396ba0cd42d597177e2c7b21e056.png
2、复制红框两行代码到服务器，进行CUDA下载
安装过程中，会问你是否需要下载驱动（Drive），正常环境下请不要下载，即选择否。即取消第一个Drive的，改为[ ]（使用回车键取消选择），然后选“Install”开始安装下载。（默认安装目录是/usr/local/）
https://img-blog.csdnimg.cn/direct/5157c6a6bc844c17a9397afaef576808.png
安装后会出现：
https://img-blog.csdnimg.cn/direct/202502eeb9544f1bbc309a0210ffc21c.png
3、设置环境变量
① 打开编辑~/.bashrc文件：vim ~/.bashrc
② 在文件末尾添加如下两行(应该是有很多种添加方式，这里选用了其中一种)。PS, 要将cuda版本11.7替换成你安装的版本，如cuda-12.2。
export PATH=/usr/local/cuda-11.7/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}} ③ 刷新~/.bashrc设置文件，使得设置生效：source ~/.bashrc
④ 测试、查询nvcc版本检查是否安装乐成：nvcc -V
三、安装cudnn
1、官网下载cudnn
下载地址：https://developer.nvidia.com/rdp/cudnn-archive
备注：需要挂梯子，然后登录/注册英伟达的账号，进行邮箱验证。
2、下载tar.xz包后放在服务器目录下，使用tar命令对tar.xz进行解压：
tar -xvf cudnn-linux-x86_64-8.8.1.3_cuda11-archive.tar.xz 3、将解压后的头文件和库复制到cuda目录中：
注意看cuda目录是不是正确,大概是cuda-11.7
cd cudnn-linux-x86_64-8.9.7.29_cuda11-archive
sudo cp include/cudnn* /usr/local/cuda/include
sudo cp lib/libcudnn* /usr/local/cuda/lib64
sudo chmod a+r /usr/local/cuda/include/cudnn* /usr/local/cuda/lib64/libcudnn* 4、cuDNN安装完成，查看安装的版本：
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2 https://img-blog.csdnimg.cn/direct/f102c43309f84508ad82688e4f08557a.png
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
~~~~~~~~~~~~~~~~~ 到这里搞定完啦 ~~~~~~~~~~~~~~~~~~~~
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
↓↓↓↓↓ 以下是深度学习跑代码需要重新更新环境的步调哦 ↓↓↓↓↓
四、为深度学习模子练习设置新环境、新版本的pytorch
1、用anaconda新建一个环境：
conda create -n env_name python=3.9.7 2、激活这个新的环境：
conda activate env_name 3、下载pytorch：
pip install torch==2.0.0+cu117 torchvision==0.15.1+cu117 -f https://download.pytorch.org/whl/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple 【备注官方pytorch的下载地址】
下载地址：Start Locally | PyTorch
【备注一些anaconda的操纵说明】：
查看安装了哪些包：conda list
查看有哪些假造环境：conda env list, conda info -e
创建假造环境：conda create -n env_name python=3.9.7 （env_name，改成本身的）
激活/切换假造环境：activate env_name （env_name，改成本身的）
删除假造环境：conda remove -n env_name （env_name，改成本身的）
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]