CUDA/cuDNN

查询默认CUDA/cuDNN版本

注意：通过nvidia-smi命令查看到的CUDA版本只是驱动支持的最高cuda版本参数，不代表实例中安装的是该版本CUDA。

终端中执行查看默认镜像自带的CUDA版本（安装目录为/usr/local/）：

# 查询平台内置镜像中的cuda版本
ldconfig -p | grep cuda
# 查询平台内置镜像中的cudnn版本
ldconfig -p | grep cudnn

上边的输出日志.so后的数字即为版本号。如果你通过conda安装了cuda那么可以通过以下命令查看：

conda list | grep cudatoolkit
conda list | grep cudnn

安装其他版本的CUDA/cuDNN

方法一：使用conda进行安装

优点：简单

缺点：一般不会带头文件，如果需要做编译，则需要照方法二安装

方法：

conda install cudatoolkit==xx.xx
conda install cudnn==xx.xx

如果你不知道版本号是什么那么可以搜索：

conda search cudatoolkit
Loading channels: done
# Name                       Version           Build  Channel             
cudatoolkit                      9.0      h13b8566\_0  anaconda/pkgs/main  
cudatoolkit                      9.2               0  anaconda/pkgs/main  
cudatoolkit                 10.0.130               0  anaconda/pkgs/main  
cudatoolkit                 10.1.168               0  anaconda/pkgs/main  
cudatoolkit                 10.1.243      h6bb024c\_0  anaconda/pkgs/main  
cudatoolkit                  10.2.89      hfd86e86\_0  anaconda/pkgs/main  
cudatoolkit                  10.2.89      hfd86e86\_1  anaconda/pkgs/main  
cudatoolkit                 11.0.221      h6bb024c\_0  anaconda/pkgs/main  
cudatoolkit                   11.3.1      h2bc3f7f\_2  anaconda/pkgs/main

方法二：下载安装包安装

CUDA下载地址：https://developer.nvidia.com/cuda-toolkit-archive

安装方法：

# 下载.run格式的安装包后：
chmod +x xxx.run   # 增加执行权限
./xxx.run          # 运行安装包

cuDNN下载地址：https://developer.nvidia.com/cudnn

安装方法：

先解压， 后将动态链接库和头文件放入相应目录

mv cuda/include/\* /usr/local/cuda/include/
chmod +x cuda/lib64/\* && mv cuda/lib64/\* /usr/local/cuda/lib64/

安装完成以后，增加环境变量：

echo "export LD\_LIBRARY\_PATH=/usr/local/cuda/lib64/:${LD\_LIBRARY\_PATH} \n" >> ~/.bashrc<br>source ~/.bashrc && ldconfig|

提示：

默认镜像都内置了最原生的CUDA和cuDNN，如果您自己安装了cudatoolkits等，那么一般会默认优先使用conda中安装的cudatoolkits