建站
咨詢
售后
建站咨詢
新聞中心
在Linux上開發(fā)深度學(xué)習(xí)應(yīng)用時，經(jīng)常需要使用CUDA和CUDNN庫進(jìn)行GPU加速。CUDA提供了基本的GPU計算功能，而CUDNN專門為深度學(xué)習(xí)算法進(jìn)行了優(yōu)化，提供了很多高效的深度學(xué)習(xí)操作。在使用CUDNN庫時，我們經(jīng)常需要知道它的版本號，以便確定是否需要升級或降級CUDNN庫，或者查找相關(guān)問題的解決方案。下面介紹如何在Linux系統(tǒng)上查看CUDNN版本。
創(chuàng)新互聯(lián)公司是專業(yè)的海曙網(wǎng)站建設(shè)公司，海曙接單;提供成都網(wǎng)站制作、網(wǎng)站建設(shè)、外貿(mào)網(wǎng)站建設(shè),網(wǎng)頁設(shè)計,網(wǎng)站設(shè)計,建網(wǎng)站,PHP網(wǎng)站建設(shè)等專業(yè)做網(wǎng)站服務(wù);采用PHP框架,可快速的進(jìn)行海曙網(wǎng)站開發(fā)網(wǎng)頁制作和功能擴(kuò)展;專業(yè)做搜索引擎喜愛的網(wǎng)站,專業(yè)的做網(wǎng)站團(tuán)隊,希望更多企業(yè)前來合作!
步驟一：打開終端
在Linux系統(tǒng)中，查看CUDNN版本需要使用終端命令行。打開終端的方式取決于不同Linux發(fā)行版之間略有不同，通?？梢酝ㄟ^點擊桌面上的終端圖標(biāo)進(jìn)入。
步驟二：進(jìn)入CUDA安裝目錄
在終端中輸入以下命令，進(jìn)入CUDA安裝目錄：
“`
cd /usr/local/cuda/
“`
在該目錄下，我們將能夠看到許多CUDA的相關(guān)文件和子目錄。
步驟三：進(jìn)入CUDNN的頭文件目錄
CUDNN的頭文件通常存儲在CUDA的include目錄下，因此我們需要進(jìn)入該目錄。
“`
cd include
“`
步驟四：查找cudnn.h文件
CUDNN的版本號通常存儲在cudnn.h頭文件中，我們需要查找該文件。輸入以下命令：
“`
ls -l | grep cudnn.h
“`
該命令會在當(dāng)前目錄下查找cudnn.h文件，并輸出該文件的相關(guān)信息以及所在路徑。
如果沒有找到cudnn.h文件，請檢查CUDA和CUDNN是否正確安裝，并確認(rèn)版本是否正確。
步驟五：查看版本號
找到cudnn.h文件后，我們需要打開該文件并查找版本號。輸入以下命令：
“`
cat cudnn.h | grep CUDNN_MAJOR -A 2
“`
該命令會輸出cudnn.h文件中定義的CUDNN_MAJOR、CUDNN_MINOR和CUDNN_PATCHLEVEL版本號以及其他相關(guān)信息。
例如，輸出可能會類似于以下格式：
“`
#define CUDNN_MAJOR 7
#define CUDNN_MINOR 6
#define CUDNN_PATCHLEVEL 5
#if defined(CUDNN_MAJOR) && defined(CUDNN_MINOR) && defined(CUDNN_PATCHLEVEL)
# define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)
#else
# define CUDNN_VERSION 0
#endif
“`
上述輸出表明，當(dāng)前系統(tǒng)中安裝的CUDNN版本為7.6.5。
在Linux系統(tǒng)中查看CUDNN的版本號需要使用終端命令行，并需要進(jìn)入CUDA和CUDNN的相關(guān)目錄下進(jìn)行操作。通過查找cudnn.h頭文件并查看其中定義的版本號即可確認(rèn)當(dāng)前使用的CUDNN版本。了解CUDNN版本號有助于在開發(fā)深度學(xué)習(xí)應(yīng)用時確定合適的庫版本，并查找相關(guān)問題的解決方案。
相關(guān)問題拓展閱讀：
- 怎樣判斷cuda和cudnn是否安裝成功win10
- tensorflow gpu版本運行時怎么知道有沒有調(diào)用gpu以及cuda加速
怎樣判斷cuda和cudnn是否安裝成功win10
首先確認(rèn)你的電腦是否安裝了nvidia顯卡，目前CUDA只支持Nvida的顯卡，不支持AMD/ATI的顯卡（AMD對OpenCL支持的很好）。在
設(shè)備管理器
中，可以查看顯卡信息。如下圖所示，含有NVIDIA的顯卡，就可安裝。
在官啟亂網(wǎng)上下載cuda工具包，注意是windows系統(tǒng)的，而且需要看清楚是筆記本還是臺式機(jī)的
安裝包
，下載筆記含漏本的安裝套件，名字為cuda_5.0.35_winvista_win7_win8_notebook_32-3，悄老檔(cuda5.5類似）雙擊打開安裝即可，，按照提示安裝，在這過程中，它也會更新nvidia的
顯卡驅(qū)動
。
CUDA工具包安裝完成后，我們還需要確認(rèn)，CUDA是否已經(jīng)正確安裝，我們可以先檢查nvcc
編譯器
是否正確安裝，在
命令提示符
窗口中輸入：nvcc -V，回車查看是否有版本信息。若出現(xiàn)版本信息，則證明nvcc安裝成功，更一般的，我們會在
命令行
中運行在C:\ProgramData\NVIDIA Corporation\CUDA Samples\v5.0\bin\win32\Release中deviceQuery程序，若能檢測到cuda device則證明程序已經(jīng)正確安裝！
tensorflow gpu版本運行時怎么知道有沒有調(diào)用gpu以及cuda加速
首先需要看你的PC配置是否夠，TF的GPU模式只支持N卡，然后計算能力高于3.0，具體可以查：安裝教程可以參考：Ubuntu16.04上gtx1080的cuda安裝July172023目前tensorflow是一個非常流行的深度學(xué)習(xí)計算框架，常規(guī)硬件及系統(tǒng)的安裝方法官方的doc已經(jīng)說的很清楚了，但是因為系統(tǒng)是ubuntu16.04,顯卡是GTX1080,所以不可避免的要折騰起來。在上一篇已經(jīng)在16.04上安裝好了驅(qū)動。接下來其實重點安裝的是CUDA和攔衡cuDNN.首先說為什么要安裝CUDA和cuDNN，關(guān)于采用GPU計算比CPU有速度有多少提升的benchmark找找就有，這次重點是怎么讓tensorflow充分用的上GTX1080能力。具體的就是如何把支持GTX1080的CUDA和cuDNN裝起來，然后讓tensorflow認(rèn)識我們新裝的CUDA和cuDNN。首先總體說下安裝步驟：1首先要注冊NVIDIAdeveloper的帳號，分別下載CUDA和cuDNN2確認(rèn)準(zhǔn)備gcc版本，安裝依賴庫sudoapt-getinstallfreegl3安裝CUDA4解壓cuDNN5clonetensorflow源碼，configure配置6編譯安裝7最后一哆嗦,測試！準(zhǔn)備工作在正式開始前，需要做幾個準(zhǔn)備工作，主要是大概先看亂好下文檔cudaFAQtensorflow的安裝文檔cuda-gpu的支持列表/計算能力/FAQcudnn5.1有多牛cudatookit下載頁面CUDA_Installation_Guide_Linux.pdfcudnnUserGuide文檔看過之后接下來就是實際動手的過程：1注冊NVIDIAdeveloper的帳號，分別下載CUDA和cuDNN1.1下載CUDA打開cudatoolkit下載頁面,GTX1080要用的是CUDA8。先點擊JOIN,注冊帳號。完了后，再回到cudatoolkit下載頁面。選擇linux,x86-64,ubuntu,16.04,runfile(local)1.2下載cuDNN進(jìn)入cudnn的下載頁,一堆調(diào)查,日志寫時下載的是,點開選linux,不出意外的話這個就是下載地址.2確認(rèn)GCC版本，安裝依賴庫確認(rèn)本機(jī)gcc版本,16.04默認(rèn)的是gcc5,這里安裝需要的更高是gcc4.9。接下來就安裝配置gcc4.9.2.1安裝gcc4.9，并修改系統(tǒng)默認(rèn)為4.9sudoapt-getinstallgcc-4.9gcc-4.9g++-4.9g++-4.9gcc–versionsudoupdate-alternatives–install/usr/bin/g++g++/usr/bin/g++-4.910sudoupdate-alternatives–install/usr/bin/cccc/usr/bin/gcc30sudoupdate-alternatives–setcc/usr/bin/gccsudoupdate-alternatives–install/usr/bin/c++c++/usr/bin/g++30sudoupdate-alternatives–setc++/usr/bin/g++gcc–version2.2一個小依賴sudoapt-getinstallfreegl3安裝CUDA需要注意的是這個地方有個選擇安裝低版本驅(qū)動的地嘩衡鉛方，選n大致的安裝流程如下：3.1安裝CUDAchmod+x/cuda_8.0.27_linux.run./cuda_8.0.27_linux.run.DoyouacceptthepreviouslyreadEULA?accept/decline/quit:acceptInstallNVIDIAAcceleratedGraphicsDriverforLinux-x86_64361.62?(y)es/(n)o/(q)uit:nInstalltheCUDA8.0Toolkit?(y)es/(n)o/(q)uit:yEnterToolkitLocation:Doyouwanttoinstallasymboliclinkat/usr/local/cuda?(y)es/(n)o/(q)uit:yInstalltheCUDA8.0Samples?(y)es/(n)o/(q)uit:yEnterCUDASamplesLocation:/home/h/Documents/cuda_samples.3.2寫入環(huán)境變量vim~/.bashrc#添加下面變量exportPATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}exportLD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}3.3安裝好后簡單驗證a.進(jìn)入剛配置時指定的cudasample所在文件夾,NVIDIA_CUDA-8.0_Samples/b.cd0_Simple/asyncAPI;sudomakec.NVIDIA_CUDA-8.0_Samples/0_Simple/asyncAPI$./asyncAPI-Starting…GPUDevice0:逗GeForceGTX1080地withcomputecapability6.1CUDAdevicetimespentexecutingbytheGPU:10.94timespentbyCPUinCUDAcalls:0.19CPUexecuted50591iterationswhilewaitingforGPUtofinish4安裝cuDNNh@h:~/Downloads$tarxvzfcudnn-8.0-linux-x64-v5.0-ga.tgzcuda/include/cudnn.hcuda/lib64/libcudnn.socuda/lib64/libcudnn.so.5cuda/lib64/libcudnn.so.5.0.5cuda/lib64/libcudnn_static.ah@h:~/Downloads$sudocp-Rcuda/lib64/usr/local/cuda/lib64h@h:~/Downloads$sudomkdir-p/usr/local/cuda/includeh@h:~/Downloads/cuda$sudocpinclude/cudnn.h/usr/local/cuda/include/sudochmoda+r/usr/local/cuda/include/cudnn.h/usr/local/cuda/lib64/libcudnn*5clone,configuretensorflow5.1clone源碼$gitclone5.2configure配置整個配置流程應(yīng)該跟下面的基本一樣的h@h:~/Downloads/tensorflow$cd./tensorflow/h@h:~/Downloads/tensorflow$./configurePleasespecifythelocationofpython.:***DoyouwishtobuildTensorFlowwithGoogleCloudPlatformsupport?N***NoGoogleCloudPlatformsupportwillbeenabledforTensorFlow***DoyouwishtobuildTensorFlowwithGPUsupport?y***GPUsupportwillbeenabledforTensorFlowPleasespecifywhichgccnvccshoulduseasthehostcompiler.:**PleasespecifythelocationwhereCUDAtoolkitisinstalled.RefertoREADME.mdformoredetails.:/usr/local/cuda-8.0****PleasespecifytheCudnnversionyouwanttouse.:5.0.5****PleasespecifythelocationwherecuDNN5.0.5libraryisinstalled.RefertoREADME.mdformoredetails.:/usr/local/cuda**Pleasespecifyalistofcomma-separatedCudacomputecapabilitiesyouwanttobuildwith.Youcanfindthecomputecapabilityofyourdeviceat:**Pleasenotethateachadditionalcomputecapabilitysignificantlyincreasesyourbuildtimeandbinarysize.:6.1**SettingupCudaincludeSettingupCudalib64SettingupCudabinSettingupCudanvvmSettingupCUPTIincludeSettingupCUPTIlib64Configurationfinished6編譯安裝6.1編譯工具Bazel安裝配置先看一眼文檔然后就執(zhí)行下面的流程:#安裝java1.8sudoadd-apt-repositoryppa:webupd8team/javasudoapt-getupdatesudoapt-getinstalloracle-java8-installer#安裝好后車參考下java-version#添加源echo”debstablejdk1.8″|sudotee/etc/apt/sources.list.d/bazel.listcurl|sudoapt-keyadd-#下載sudoapt-getupdate&&sudoapt-getinstallbazel#升級sudoapt-getupgradebazel6.2編譯tensorflow的pip版本并安裝$bazelbuild-copt//tensorflow/tools/pip_package:build_pip_package#TobuildwithGPUsupport:$bazelbuild-copt–config=cuda//tensorflow/tools/pip_package:build_pip_package$bazel-bin/tensorflow/tools/pip_package/build_pip_package/tmp/tensorflow_pkg#Thenameofthe.whlfilewilldependonyourplatform.#注意編譯完成后生成的文件名字和官方doc里面的是不一定一致的$sudopipinstall/tmp/tensorflow_pkg/tensorflow-0.*-linux_x86_64.whli6700k32g編譯時間:只編譯代碼不帶pipINFO:Elapsedtime:967.271s,CriticalPath:538.38azel-bin/tensorflow/tools/pip_package/build_pip_packageINFO:Elapsedtime:65.183s,CriticalPath:48.587最后測試前面都整完了，現(xiàn)在該測試了，注意前面有兩個動態(tài)鏈接庫的位置，cuDNN在/usr/local/cuda/lib64，而cuda在/usr/local/cuda-8.0/lib64，所以這個時候的bashrc應(yīng)該這么寫：exportPATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}exportLD_LIBRARY_PATH=/usr/local/cuda/lib64:/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}寫完后,source~/.bashrccdtensorflow/tensorflow/models/image/mnistpythonconvolutional.py成功的話會出現(xiàn)流暢的跑動:h@h:~/Downloads/tensorflow/tensorflow/models/image/mnist$pythonconvolutional.pyItensorflow/stream_executor/dso_loader.cc:108>successfullyopenedCUDAlibrarylibcublas.solocallyItensorflow/stream_executor/dso_loader.cc:108>successfullyopenedCUDAlibrarylibcudnn.so.5.0.5locallyItensorflow/stream_executor/dso_loader.cc:108>successfullyopenedCUDAlibrarylibcufft.solocallyItensorflow/stream_executor/dso_loader.cc:108>successfullyopenedCUDAlibrarylibcuda.so.1locallyItensorflow/stream_executor/dso_loader.cc:108>successfullyopenedCUDAlibrarylibcurand.solocallyExtractingdata/train-images-idx3-ubyte.gzExtractingdata/train-labels-idx1-ubyte.gzExtractingdata/t10k-images-idx3-ubyte.gzExtractingdata/t10k-labels-idx1-ubyte.gzItensorflow/stream_executor/cuda/cuda_gpu_executor.cc:925>successfulNUMAnodereadfromSysFShadnegativevalue(-1),buttheremustbeatleastoneNUMAnode,soreturningNUMAnodezeroItensorflow/core/common_runtime/gpu/gpu_init.cc:102>Founddevice0withproperties:name:GeForceGTX1080major:6minor:1memoryClockRate(GHz)1.8475pciBusID0000:01:00.0Totalmemory:7.92GiBFreememory:7.41GiBItensorflow/core/common_runtime/gpu/gpu_init.cc:126>DMA:0Itensorflow/core/common_runtime/gpu/gpu_init.cc:136>0:YItensorflow/core/common_runtime/gpu/gpu_device.cc:838>CreatingTensorFlowdevice(/gpu:0)->(device:0,name:GeForceGTX1080,pcibusid:0000:01:00.0)Initialized!Step0(epoch0.00),8.4msMinibatchloss:12.054,learningrate:0.010000Minibatcherror:90.6%Validationerror:84.6%Minibatcherror:0.0%Validationerror:0.7%Step8500(epoch9.89),4.7msMinibatchloss:1.601,learningrate:0.006302Minibatcherror:0.0%Validationerror:0.9%Testerror:0.8%linux查看cudnn版本的介紹就聊到這里吧，感謝你花時間閱讀本站內(nèi)容，更多關(guān)于linux查看cudnn版本,如何在Linux上查看CUDNN版本,怎樣判斷cuda和cudnn是否安裝成功win10,tensorflow gpu版本運行時怎么知道有沒有調(diào)用gpu以及cuda加速的信息別忘了在本站進(jìn)行查找喔。
成都服務(wù)器租用選創(chuàng)新互聯(lián)，先試用再開通。
創(chuàng)新互聯(lián)（www.cdcxhl.com）提供簡單好用，價格厚道的香港/美國云服務(wù)器和獨立服務(wù)器。物理服務(wù)器托管租用：四川成都、綿陽、重慶、貴陽機(jī)房服務(wù)器托管租用。
當(dāng)前名稱：如何在Linux上查看CUDNN版本 (linux查看cudnn版本)
標(biāo)題網(wǎng)址：http://www.dlmjj.cn/article/dpsjoes.html
