卸载cuda11.0并安装cuda11.1和cudnn

最新推荐文章于 2024-04-27 21:07:18 发布
原创 最新推荐文章于 2024-04-27 21:07:18 发布 · 5.5k 阅读 · 45
标签
#cuda #cudnn #ubuntu
本文档详细介绍了如何在Ubuntu20.04系统上，从CUDA11.0升级到CUDA11.1并安装CUDNN的过程。在空间不足的情况下，先卸载CUDA11.0，然后通过官方下载的runfile安装CUDA11.1，选择不安装驱动。接着，按照步骤安装CUDNN，包括下载、解压和复制到CUDA安装目录。最后验证安装成功。

卸载cuda11.0并安装cuda11.1和cudnn

首先介绍一下环境：电脑系统为Ubuntu20.04，显卡驱动号为460.73.01，Cuda为11.0，pytorch版本为1.7.1，python为3.7，显卡是GeForce RTX 3070。
发完上篇博客之后，回到宿舍搜索了一下，cuda11.0不支持sm_86还有什么解决办法，然后看到说cuda11.1可以支持sm_86(有待测试)，所以早晨过来想安装两个cuda。分别是cuda11.0和cuda11.1，但是在安装的过程中，出现了问题：
在这里插入图片描述
然后我看了下linux系统的磁盘使用情况分析器：在这里插入图片描述
原来是没有空间了（当时安装linux系统的时候，给根目录分配的空间太小，下次重新安装时，分配大一点），但是我是远程连接的电脑，所以不方便重新安装系统，所以只能卸载cuda11.0，然后安装cuda11.1.

卸载cuda11.0

sudo /usr/local/cuda-11.0/bin/cuda-uninstaller

这个代码我是在cuda11.0的官方文档中（4.6小节）找到的（查看所有cuda的官方文档点

最低0.47元/天 解锁文章
保姆级避坑指南：在Win11上搞定CUDA 11.3、CUDNN和PyTorch GPU环境（附离线包下载）
最新发布
weixin_42528534的博客
05-15 322
本文提供了一份详细的Windows 11深度学习环境配置指南，涵盖CUDA 11.3、cuDNN和PyTorch GPU环境的安装与优化。通过离线包下载和系统级配置，帮助用户避开常见陷阱，快速搭建高效的GPU开发环境，特别适合深度学习初学者和开发者。
RTX3060配置CUDA（卸载9.2安装11.1全过程）
Fairy_JY的博客
10-13 4907
安装了9.2版本，但是目前官网与之相匹配的torch版本不能顺利下载，无奈只能卸载。。。 目录 1.卸载 1.前言 2.卸载开始 2.安装CUDA 11.1.0 3.cuDNN的下载安装 4.安装GPU版本的pytorch 1.卸载 1.前言 杀毒软件别用来卸载这个了，不好找。打开电脑的控制面板，找到程序，卸载程序点击当天安装的时间，会找到刚才装的cuda软件，也包括以前NVIDIA的驱动软件，因为被更新了，所以也显示在当天安装的软件中。 2.卸载开始 对于含cuda字眼..
卸载CUDA11.1
Redamancy06的博客
07-15 5888
对于CUDA新手来说，安装问题里面有很多需要注意的细节，很多自定义的选项，如果漏选就会出现一些莫名奇妙的问题。为此，会经常出现卸载CUDA，再安装CUDA的问题，下面总结。注意临时解压目录千万不要和cuda的安装路径设置成一样的，否则安装结束，会找不到安装目录的！临时解压路径，建议默认即可，也可以自定义。安装结束后，临时解压文件夹会自动删除；安装cuda时，第一次会让设置临时解压目录，第二次会让设置安装目录；卸载工具windows自带的控制面板，用来卸载主程序。安装完成后，配置cuda的环境变量；.....
Ubuntu 18.04/20.04 CV环境配置（上）：CUDA11.1 + cudnn安装配置
Techblog of HaoWANG
07-15 3713
Ubuntu18.04 20.04 NVIDIA CUDA 环境配置与cudnn Tensorrt等配置与使用
安装cuda11.1+cudnn
weixin_63477200的博客
02-20 1451
3.3去掉勾选✔：去掉PhysX,Display driver（新版本小于电脑上已存在的当前版本），去掉visual studio（我电脑没有安装vs环境，若勾选，到最后会报错，还得后退到这一步）CUDA development（前两个）安装位置选择cuda1，Samples（第3个）安装位置选择cuda2。打开nvidia控制面板，帮助，系统信息，组件，查看cuda版本。至此，cuda11.1+cudann v8.0.4安装完成。已安装版本为cuda11.7，再安装小于11.7即可。
Cuda+cudnn的安装
qq_51035348的博客
04-17 1295
cuda+cudnn安装，以及cuda版本切换，包会，包管用
cuda 10 升级 cuda11 后使用 conda 更新 pytorch 版本
Leon 的专栏
10-21 3633
我们在下载开源项目时，一般都要在特定的版本下运行，不同的 Python版本、pytorch 软件版本以及 cuda的版本，组合起来的种类非常多，不是每个安装源版本都是非常齐全的，所以安装时指定版本做起来比较困难。
win10 卸载cuda8.0并安装tensorflow-gpu1.11.0+cuda9.0+cudnn7.0 （安装程序附网盘下载地址）
currycode
10-24 4091
主机信息： 显卡：GTX 1060（6G） 已安装图形驱动版本（比cuda9.0自带的高）：390.77 已安装PhysX版本：9.17.0524 已安装Anaconda版本：Anaconda2 5.0.1 64bit 之前一直用的Theano(需要cuda8.0)+py2.7,现在因为要去读研的实验室大多用的是tensorflow所以准备转环境，在这里记录一下。 第一步：卸载cu...
记录cuda、cudnn卸载重装，并安装pytorch和pyg（windows系统下）
Anthony的博客
11-08 5392
cuda、cudnn、PyTorch、PyG安装笔记
更改Colab的CUDA以及cudnn
qq_46521210的博客
12-29 1万+
Colab的CUDA版本是11.1，而我需要10.0的CUDA版本，更改CUDA版本过程如下： 1. 首先查看当前Colab的CUDA版本 !nvcc --version 2. 卸载当前Colab的CUDA #Uninstall the current CUDA version !apt-get --purge remove cuda nvidia* libnvidia-* !dpkg -l | grep cuda- | awk '{print $2}' | xargs -n1 dpkg --p
CUDA卸载与安装
花有重开日，人无再少年。
06-16 1万+
将CUDNN压缩包里面的bin、clude、lib文件直接复制到CUDA的安装目录下，直接覆盖安装即可。需要你注册一个账号，然后进行问卷之后才可以进行下载页面，反正一步步操作即可。安装CUDA时，先看电脑上有没有独立的NVDIA显卡，在设备管理器中查。选择自定义，将VS勾给去掉，CUDA的安装目录，大家默认安装在C盘即可。如果显卡支持，打开NVDIA控制面板 —系统信息，你会看到下图。我电脑支持的最高CUDA版本11.5.125，我装11.5.0。点击组件，红色剪头所指就是电脑支持的最高CUDA版本。
CUDA版本 更新
qq_35831906的博客
04-27 1万+
NVIDIA® CUDA® Toolkit使开发人员能够为桌面计算机、企业和数据中心到超大规模计算提供 NVIDIA GPU 加速的计算应用程序。它包括 CUDA 编译器工具链，包括 CUDA 运行时（cudart）和各种 CUDA 库和工具。要构建一个应用程序，开发人员只需安装 CUDA 工具包和链接所需的必要库。要运行CUDA应用程序，系统应具有支持CUDA的GPU，并且具有与用于构建应用程序的CUDA工具包兼容的NVIDIA显示驱动程序。
windows10下CUDA11.1、cuDNN8.0、tensorflow-gpu2.4.1安装教程以及问题解决方法
热门推荐
weixin_42101177的博客
02-01 2万+
总论(这是我的总结可以不看直接看下面的安装） 1、 不用看那些版本对应表啊！！！！ 记录那些年自己掉过的坑，自己也是看了其他人好多博客，总结下来一个核心问题是要求版本对应，发现大家都是这样教的，以这样一个顺序来建立版本对应关系，显卡型号—>cuda版本—>cudnn版本—>tensorflowgpu版本，就是先看你的显卡型号，找到后再找对应的（或者说兼容的）cuda版本再。。。我就因此查看我的是 GeForce GTX 1050，看了发现他们安的是CUDA9.0，我就依次进行了安装，最后就
CUDA和cudnn详细安装过程【通用win】
_____
09-09 1529
但有的对应安装包无法使用，有可能是由于卡太旧的原因。安装cuda时，只选中CUDA（但是里面有一个VS没有选择，其余都选择啦），其余未选中，然后默认安装。根据上面的步骤，安装完后，去配置环境变量，发现环境配置自动完成啦，如果没有配置完成，请自我配置即可。下载完打开安装程序，安装路径选择自定义，自定义选项，选择cuda 打勾，然后一路下一步安装完成。由于以前安装过CPU版本的pytorch，先卸载，后安装GPU版本的torch。，其决定了可安装的CUDA Toolkit的最高版本。查看支持cuda的显卡，
Win10安装cuda11.1和cudnn8.0
xiangfengl的专栏
04-05 5351
1、从nvidia官网下载cuda11.1 https://developer.nvidia.com/cuda-toolkit-archive 2、从nvidia官网下载cudnn8.0 https://developer.nvidia.com/rdp/cudnn-archive 3、下载完打开安装程序，安装路径选择自定义，自定义选项，选择cuda 打勾，然后一路下一步安装完成 4、(1)配置环境变量，如下图 (2)检查是不是有图中的两个环境变量 ...
Linux服务器非root用户下安装CUDA11.1和cudnn到指定目录
u013602059的专栏
11-09 1万+
（适用于服务器上管理员已安装好显卡驱动或已安装的CUDA版本无法满足自己要求） 1、准备工作 首先查看自己服务器系统的信息 uname -a lsb_release -a 这是我的服务器的信息 然后根据版本去官网选择对应版本下载CUDA 接着下载cudnn（网址）,选择CUDA11.1对应的版本 (需登录nvidia账号，无法用wget，我只能采取本地下载上传到服务器)。 选择 “cuDNN Library for Linux”，下载下来是一个tgz的压缩包。 最后，提前建好cuda的自定义目录，我
【Pytorch】CUDA error: no kernel image is available for execution on the device
littlemichelle
08-25 937
当前的 PyTorch 安装支持 CUDA 功能 sm_37 sm_50 sm_60 sm_70。记录一下pytorch安装的cuda版本和GPU cuda不一致的解决。sm_80对应的cuda是11.1，而我安装的cuda是10.2。一般就是pytorch和cuda安装的不匹配。如果我安装的torch配的cuda信息如下，具有 CUDA 功能 sm_80 的。与当前 PyTorch 安装不兼容。改一下就好了，根据官网。
飞浆安装配置流程
qq_40950565的博客
08-18 2473
第一步：查询自己的gpu的cuda版本 方法：在cmd窗口输入 nvcc --version 下图是显示的信息 可以看见是11.0版本 第二步：去官网找到符合自己配置的安装命令 不同选择下方会提供相应的安装代码，复制粘贴去命令行执行即可（默认各位已经安装了cuda和cudnn） 安装完成后显示信息 第三步：验证测试 1.这是官网的截图 2.那必然就是一些报错信息了 第一种 RuntimeError: (PreconditionNotMet) ...
GeForce RTX 3090 with CUDA capability sm_86 is not compatible with the current PyTorch installation.
weixin_41596697的博客
09-24 4576
https://blog.csdn.net/Paramagnetism/article/details/115221478https://blog.csdn.net/Paramagnetism/article/details/115221478
win10下CUDA11.1+CUDNN8.0+Pytorch1.8.0安装教程
qq_45672807的博客
03-21 8412
win10下CUDA11.1+CUDNN8.0+Pytorch1.8.0安装教程 cuda和cudnn10.1-11.1链接： 链接：https://pan.baidu.com/s/1T-bc_4ftY-tM0-BFV14ZlQ 提取码：zt34 cuda11.1安装 1.执行cuda.exe 2.不要改路径，就默认 3. 4.不点VS那个选项，并且Driver components和Other components也不勾选。 5.安装默认的位置 6.完成 配置环境变量 电脑→属性→高级系统设置→环境变
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值