Ubuntu下CUDA环境配置

为了学习CUDA编程，我们需要一套Linux下的CUDA编程环境，需要注意的是我们的Linux下需要直通显卡，所以记住不能使用虚拟机！不能使用虚拟机！不能使用虚拟机！

那为了方便学习，又不能完全抛弃Windows，毕竟我还要写毕业论文。那么双系统就是最好的方案了。

Windows & Ubuntu 双系统

首先，Linux发行版的选择，我建议还是用Ubuntu，毕竟群体多，社区才能维护。

双系统安装参考视频

Ubuntu安装显卡驱动、cuda、cudnn

我使用的配置如下：

• Ubuntu：20.04
• 显卡：RTX3060
• CUDA版本：11.7
• cudnn版本：8.9.0
• 显卡驱动版本：535

显卡驱动安装

Ubuntu安装显卡驱动，CUDA，cudnnn参考视频

注意，安装完驱动必须重启！

CUDA和cudnn安装

Ubuntu22.04安装CUDA环境参考文章

CUDA工具包安装

首先进入NVIDIA CUDA Toolkit Archive下载你想要的cuda工具版本，需要根据你系统的版本和显卡驱动版本进行选择，只要支持就ok。

在Ubuntu终端输入:

1

$ nvidia-smi

在显示的CUDA版本代表当前驱动支持的最高版本CUDA，我的最高版本为12.2，所以选择安装的CUDA版本需要小于12.2。

我选择了CUDA11.7的版本：

依次输入命令：

1

$ wget https://developer.download.nvidia.com/compute/cuda/11.7.0/local_installers/cuda_11.7.0_515.43.04_linux.run

下载完包之后，我们要按照第二条命令装CUDA，但是在安装这个之前，你需要安装一下gcc的环境，不然就会缺少依赖报错：

1
2
3
4

$ sudo apt update
$ sudo apt install gcc
# 顺便安装一下g++
$ sudo apt install g++

安装cuda包：

1

$ sudo sh cuda_11.7.0_515.43.04_linux.run

安装过程中间会跳出Abort和continue的选项，不要理会，选择continue。

后续又会跳出接受不接受，选择accept，之后便会跳出需要install的选项，盗用一下别人的截图： 需要注意上述出现的Driver是CUDA11.7配套的驱动，但不一定适合显卡，但只需要我们的Driver版本比它高，都是可以用的。选中Driver，按空格去掉x，然后再选择install。

CUDA环境变量配置

打开终端，输入：

1

$ gedit ~/.bashrc

此时会出现一个记事本来编辑你的环境变量： 像上图那样，或者像下面那样都ok，输入：

1
2
3

# CUDA Environment
export PATH=$PATH:/usr/local/cuda-11.7/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.7/lib64

保存退出，然后输入：

1

$ source ~/.bashrc

或者直接重启终端也是OK的。

检查环境是否配置成功：

1

$ nvcc -V

如果出现了CUDA版本，那么就说明你已经配置成功了！

cudnn安装

首先进入NVIDIA cuDNN Archive下载你想要的cuDNN版本，需要根据你的CUDA版本进行选择，只要支持就ok。

所以我选择了cuDNN v8.9.0, for CUDA 11.x:

中间需要注册NVIDIA官方开发者的账号，这个我就不展示了！

• 下载完成之后，在下载好的目录进入终端：

1

$ sudo dpkg -i cudnn-local-repo-ubuntu2204-8.9.0.131_1.0-1_amd64.deb

• import CUDA GPG key:

1
2

# 注意这里需要根据终端提示你的命令进行下载，每个人的设备提示可能不一样
$ sudo cp /var/cudnn-local-repo-ubuntu2204-8.9.0.131/cudnn-local-2063C34E-keyring.gpg /usr/share/keyrings/

• 刷新库

1

$ sudo apt-get update

• 安装runtime library：

1
2
3
4

# 注意，这里的libcudnn8和cuda版本的配对是指定的
# 可通过apt-cache policy libcudnn8命令查看。
# 我这里应该使用libcudnn8=8.9.0.131-1+cuda11.8
$ sudo apt-get install libcudnn8=8.9.0.131-1+cuda11.8

• 安装develop library：

1

$ sudo apt-get install libcudnn8-dev=8.9.0.131-1+cuda11.8

• 安装 the code samples and the cuDNN library documentation：

1

sudo apt-get install libcudnn8-samples=8.9.0.131-1+cuda11.8

验证cudnn是否安装成功

1
2
3
4
5

$ cp -r /usr/src/cudnn_samples_v8/ $HOME
$ cd $HOME/cudnn_samples_v8/mnistCUDNN
# 如果没有make包，则输入sudo apt-get make下载
$ make clean && make
$ ./mnistCUDNN

注：如果上面的make命令提示缺少FreeImage.h，运行：

1

$ sudo apt-get install libfreeimage3 libfreeimage-dev

如果出现下面的情况说明cudnn测试成功了：

Ubuntu配置编程工具

下载一个vscode，选择官网的.deb版本。

下载完成之后安装：

1

$ sudo dpkg -i code_1.80.1-1689183569_amd64.deb

启动vscode：

1

$ code

vscode添加扩展程序：

环境配置成功。

最后修改于 2023-07-15