cuda官网链接
https://developer.nvidia.com/cuda-toolkit-archive
别人的链接链接
https://zhuanlan.zhihu.com/p/72298520
配置环境变量
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.0/lib64 export PATH=$PATH:/usr/local/cuda-11.0/bin export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-11.0
nvcc -V查看
成功
cudann(需要注册)
cuDNN Archive | NVIDIA Developer
需要先解压
tar -xzvf cudnn-11.2-linux-x64-v8.1.1.33.tgz
解压过后会有一个cuda文件
cd path/cudnn/include cp * /usr/local/cuda-11.0/include/ 复制到对应路径 cd path/cudnn/lib64 cp -d * /usr/local/cuda-11.0/lib64/ 复制到对应路径 # 查看使用这个命令 cat /usr/local/cuda-11.0/include/cudnn_version.h | grep CUDNN_MAJOR -A 2
进入里面把对应的文件和软连接都放进去
最新链接
9.0以上的版本需要去这里下载
https://developer.download.nvidia.com/compute/cudnn/redist/cudnn/linux-x86_64/
Tensorrt
NVIDIA TensorRT 7.x Download | NVIDIA Developer
下载对应版本解压
tar -xzvf TensorRT-7.2.3.4.Ubuntu-18.04.x86_64-gnu.cuda-11.0.cudnn8.1.tar.gz
链接如下
https://blog.csdn.net/zhouchen1998/article/details/123258229
如果报错
查看python是否连接到3.6le
出错
测试数据没有
需要去data/mnist/下去执行
python generate_pgms.py
添加数据集修改python软连接
https://blog.csdn.net/u011304078/article/details/121430785