1.下载cudaCUDAToolkitArchive|NVIDIADeveloperPreviousreleasesoftheCUDAToolkit,GPUComputingSDK,documentationanddeveloperdriverscanbefoundusingthelinksbelow.Pleaseselectthereleaseyouwantfromthelistbelow,andbesuretocheckwww.nvidia.com/driversformorerecentproductiondriversappropriateforyourhardwareconfigur
一、Cuda下载安装1.查看对应版本win+r打开cmd命令行输入命令【nvidia-smi】如下图查看版本： 2.cuda下载点击cuda下载链接选择下载的版本不能高于自己的显卡驱动版本（例如：我这里是12.1，所以不能下载高于12.1的版本，这里我选择的是11.8。点进去后选择信息开始下载） 3.cuda安装双击下载的cuda文件，开始安装（位置默认就好不用更改）然后点击【同意并继续】这里选择【自定义】 取消驱动组件，其余按图片上勾选即可！ 点击【下一步】 等待安装即可！ 安装完成！ 4.cuda验证是否安装完成win+r打开cmd输入【nvcc-V】查看，如下图表示安装成功！
一、安装CUDA查看CUDA版本打开NVIDIA控制面板→帮助→系统信息→组件可以得知CUDA版本是11.7下载安装CUDA进入CUDA官网根据自己的设备情况选择对应版本进行下载下载完成后双击安装，这里地址存放的是临时文件，可以更改地址一路同意继续到安装程序选择自定义→下一步安装组件第一次安装建议全选，如果不是第一次按需选择吧（也有可能出现全选之后安装过程中电脑自动重启导致安装的现象，可以选择只安装第一个CUDA，下面三个都不选择就可以了。虽然不知道为啥，但是有效就完事）安装位置建议默认，也可以自定义，但是一定要记住，之后要用到之后就是安装啦安装完成之后检查一下系统环境变量在系统属性里选择环境
前言不得不说环境是一个非常玄学的东西，距离上次成功在FB15k-237数据集上跑convE模型没多久ConvE，知识图谱嵌入（KGE）论文复现（Ubuntu20.04）_Starprog_UESTC_Ax的博客-CSDN博客_conve知识图谱ConvE(KGE模型)—论文复现（Ubuntu20.04）(2022.03.07)https://angxiao.blog.csdn.net/article/details/123315377今天又在更换自己的数据集重跑convE模型，很神奇的报错：RuntimeError:cuDNNerror:CUDNN_STATUS_EXECUTION_FAILE
一、准备工作硬件：JetsonXavierNX开发板（笔者购入为带128g内存条的EMMC版）、跳线帽（杜邦线）、microUSB转USB数据线、电源线软件：Ubuntuhost主机（可运行Ubuntu的虚拟机/双系统）、NVIDIASDKMANAGER（下载地址：NVIDIASDKManager|NVIDIADeveloper）。在Ubuntu主机里安装sdkmanager，命令如下，版本不同则tab补齐安装。sudoaptinstall./sdkmanager_1.6.0-8170_amd64.deb硬件准备用杜邦线或者跳线帽将XavierNX第三个引脚FC_REC与第二/四引脚GND短接
linux下显卡驱动，cuda，cudnn的安装安装显卡驱动，cuda，cudnn安装显卡驱动第一个报错第二个报错第三个错误屏幕不显示问题解决方案安装cuda11.1安装cudnn安装显卡驱动，cuda，cudnn通过上表可以发现，如果要使用CUDA11.1，那么需要将显卡的驱动更新至455.23或以上（Linuxx86_64环境）。我还没有安装显卡驱动安装显卡驱动下载驱动，直接去NVIDIA官网下载：https://www.nvidia.cn/Download/index.aspx?lang=cnsudobashNVIDIA-Linux-x86_64-535.54.03.run第一个报错需要
文章目录准备工作CUDA安装cudnn安装准备工作注：本机系统为Ubuntu20.041.安装显卡驱动打开‘软件和更新，点击附加驱动安装显卡驱动。2.gcc安装若系统为Ubuntu22.04，则需要安装。在终端输入一下指令，查看有没有gcc。gcc--version3.gcc安装本机ubuntu20.04gcc自带版本为9.4.0安装gcc-7，command：sudoapt-getinstallgcc-7g++-7安装完gcc-7，系统中就存在两个版本的gcc，因此要设置默认的gcc，命令如下：sudoupdate-alternatives--install/usr/bin/gccgcc/u
根据显卡型号、cuda版本确定英伟达驱动版本能够支持某一型号的GPU的英伟达驱动是一定的，我们想使用的tensorflow版本也是已知的，该tensorflow版本依赖的cuda版本也是一定的。所以根据显卡型号和cuda版本可以确定显卡驱动。参考链接：https://www.jianshu.com/p/7f6ae178121chttps://blog.csdn.net/weixin_42545878/article/details/94735192英伟达驱动、cuda、cudnn之间版本的对应关系：https://docs.nvidia.com/cuda/cuda-toolkit-releas
下载CUDA11.8下载CUDA11.8选择对应的系统架构OS版本逐步执行上图命令编辑环境变量文件sudogedit~/.bashrc配置环境变量exportPATH=/usr/local/cuda-11.8/bin:$PATHexportLD_LIBRARY_PATH=/usr/local/cuda-11.8/lib64:$LD_LIBRARY_PATH重启重启重启重要的事情说三边查看版本nvcc-V结果安装cudnn下载cudnn找到适合你的cudnnhttps://developer.nvidia.com/rdp/cudnn-archive#a-collapse7415-10安装cudn
