1、首先本地查看cuda已安装的版本 11.7
输入命令:【nvcc -V】
输出:
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2022 NVIDIA Corporation
Built on Wed_Jun__8_16:49:14_PDT_2022
Cuda compilation tools, release 11.7, V11.7.99
Build cuda_11.7.r11.7/compiler.31442593_0

1-2、查看cudnn已经安装的版本号 8.5.0
输入命令:【cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2】
输出:
#define CUDNN_MAJOR 8
#define CUDNN_MINOR 5
#define CUDNN_PATCHLEVEL 0
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)

2、通过在运行环境中查看 cuda 以及cudnn的版本号

本机配置环境:
Ubuntu 22.04
cuda 11.6
NVIDIA GeForce RTX 3070
pytorch 1.12.1
python3.9

如果使用conda 创建的环境需要激活相应的环境
进入相应的环境后
输入命令【python】进入python编译器
输出:
Python 3.9.12 (main, Jun 1 2022, 11:38:51)
[GCC 7.5.0] :: Anaconda, Inc. on linux
Type "help", "copyright", "credits" or "license" for more information.
输入命令【import torch】
【print(torch.__version__)】 输出:torch 的版本号:1.12.1+cu116
【print(torch.version.cuda)】输出: 11.6
【print(torch.backends.cudnn.version())】输出:8500

Ubuntu安装tensorrt 8.2.5.1,cuda对应的版本有(10.2、11.0~11.7),cudnn对应的适配版本有(cudnn8.4.1及以下,或者cudnn8.2.1)

降低cudnn的版本,即将cudnn8.5.0降低至8.4.1

2-1、先删除系统原来的的cudnn
输入命令【sudo rm -rf /usr/local/cuda/include/cudnn.h】
【sudo rm -rf /usr/local/cuda/lib64/libcudnn*】

2-2、解压cudnn-linux-x86_64-8.4.1.50_cuda11.6-archive.tar.xz (下载地址:https://developer.nvidia.com/rdp/cudnn-archive)
输入命令【tar zxvf cudnn-linux-x86_64-8.4.1.50_cuda11.6-archive.tar.xz】

2-3、进入到解压后的文件里
输入命令:
【sudo cp include/cudnn* /usr/local/cuda/include】
【sudo cp lib/lib* /usr/local/cuda/lib64/】
【sudo chmod a+r /usr/local/cuda/include/cudnn*】
【sudo chmod a+r /usr/local/cuda/lib64/libcudnn*】

2-4、验证输入命令:
【cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR -A 2】
输出:
#define CUDNN_MAJOR 8
#define CUDNN_MINOR 4
#define CUDNN_PATCHLEVEL 1
--
#define CUDNN_VERSION (CUDNN_MAJOR * 1000 + CUDNN_MINOR * 100 + CUDNN_PATCHLEVEL)

#endif /* CUDNN_VERSION_H */

3、安装 tensorrt

/home/cxf/下载/TensorRT-8.2.5.1.Linux.x86_64-gnu.cuda-10.2.cudnn8.2.tar.gz
首先解压该包,并进入解压后的文件
进入环境【conda activate 环境名】
查看python的版本
输出:
bin data doc graphsurgeon include lib onnx_graphsurgeon python samples targets uff

添加环境 【vim ~/.bashrc】
文件最后一行 输入【export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/home/xxx/environment/TensorRT-8.2.5.1/lib】(本机将TensorRT-8.2.5.1包放在/home/xxx/environment目录下)
【source ~/.bashrc】
分别进入python、graphsurgeon、uff文件夹下安装相应文件(直接pip install 包名),其中进入python文件,安装环境对应的python版本文件

验证
输入【python】
【import tensorrt】
【tensorrt.__version__】

Python 3.9.16 | packaged by conda-forge | (main, Feb 1 2023, 21:39:03)
[GCC 11.3.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorrt
>>> tensorrt.__version__
'8.2.5.1'
>>>

cuda、cudnn、tnesorrt的查看安装的更多相关文章

  1. cuda cudnn anaconda gcc tensorflow 安装及环境配置

    1.首先,默认你已经装了适合你的显卡的nvidia驱动. 到  http://www.nvidia.com/Download/index.aspx 搜索你的显卡需要的驱动型号 那么接下来就是cuda的 ...

  2. # Ubuntu16.04安装nvidia驱动+CUDA+cuDNN

    Ubuntu16.04安装nvidia驱动+CUDA+cuDNN 准备工作 1.查看GPU是否支持CUDA lspci | grep -i nvidia 2.查看Linux版本 uname -m &a ...

  3. 容器内安装nvidia,cuda,cudnn

    /var/lib/docker/overlay2 占用很大,清理Docker占用的磁盘空间,迁移 /var/lib/docker 目录 du -hs /var/lib/docker/ 命令查看磁盘使用 ...

  4. cuda cudnn tensorflow-gpu安装

    Ububtu18.04下载cuda9.0 下载好后得到: CUDA 9.0仅支持GCC 6.0及以下版本,而Ubuntu 18.04预装GCC版本为7.3,需要安装gcc-6与g++-6 查看当前版本 ...

  5. Win10 Anaconda下TensorFlow-GPU环境搭建详细教程(包含CUDA+cuDNN安装过程)

    目录 前言 第一步:安装Anaconda 1.下载和安装 2.配置Anaconda环境变量 第二步:安装TensorFlow-GPU 1.创建conda环境 2.激活环境 3.安装tensorflow ...

  6. Ubuntu18.04安装Tensorflow+cuda+cuDNN

    本文写的比较简单,期间遇到的一些小麻烦,自己不认为成为阻碍,所以没有详细写. 如有疑问可以联系QQ:2922530320 Pycharm Pycharm使用Anaconda Pycharm 在新建项目 ...

  7. 真实机下 ubuntu 18.04 安装GPU +CUDA+cuDNN 以及其版本选择(亲测非常实用)【转】

    本文转载自:https://blog.csdn.net/u010801439/article/details/80483036 ubuntu 18.04 安装GPU +CUDA+cuDNN : 目前, ...

  8. Win10 Anaconda下TensorFlow-GPU环境搭建详细教程(包含CUDA+cuDNN安装过程)(转载)

    win7(win10也适用)系统安装GPU/CPU版tensorflow Win10 Anaconda下TensorFlow-GPU环境搭建详细教程(包含CUDA+cuDNN安装过程) 目录 2.配置 ...

  9. [框架安装趟雷指南]Ubuntu+1060+cuda+cudnn+Keras+TH+TF+MXnet

    [框架安装趟雷指南]Ubuntu+1060+cuda+cudnn+Keras+TH+TF+MXnet https://zhuanlan.zhihu.com/p/23480983 天清 9 个月前 写这 ...

  10. ubuntu18.40 rtx2080ti安装显卡驱动/cuda/cudnn/tensorflow-gpu

    电脑环境 ubuntu 18.40 gpu  rtx2080ti 一.安装显卡驱动 刚开始尝试用手动安装方式安装驱动 下载了驱动程序但是因为没有gcc所以放弃这种方法 后尝试最简单的方式 在 菜单-- ...

随机推荐

  1. 字符编码,存储引擎及MySQL字段类型相关知识点

    字符编码,存储引擎及MySQL字段类型相关知识点 一.字符编码 1.在终端输入\s,查看数据库的基本信息(当前用户,版本,编码,端口号) 2.默认的配置文件是my-default.ini 拷贝上述的文 ...

  2. Web前端--HTML+Canvas+Js实现3D魔方小游戏

    一.案列效果 二.案例思路 1.先将平面上的6个DIV拼接在一起.形成一张类似于3d立方体图形展开的平面图. 2.我们需要将每一个面旋转到相应的位置上,每一个面的旋转轴都是不一样的.上下,左右,分别对 ...

  3. 使用Navicat操作MySQL数据库

    一.Navicat连接数据库 ①进入Navicat,由于要使用的是MySQL数据库,选择MySQL ②输入连接名(这个是随便起的) 由上图可知连接数据库的四个要素 host:确定要操作的数据库在哪台电 ...

  4. Zookeeper+SpringCloud微服务(入门二)

    1.Zookeeper注册中心 1.服务提供者Provider 新建cloud-provider-zk-payment-8004 pom.xml: <dependencies> <d ...

  5. SVN信息泄露漏洞

    SVN信息泄露漏洞 目录 SVN信息泄露漏洞 1 SVN 简介 2 SVN目录 3 SVN信息泄露漏洞危害 4 漏洞利用 5 漏洞修复 1 SVN 简介 SVN(subversion)是一个开放源代码 ...

  6. JMeter BeanShell 学习

    JMeter BeanShell 学习 Beanshell分为: JMeter有如下BeanShell组件: 定时器: BeanShell Timer 前置处理器:BeanShell PreProce ...

  7. 代码随想录-day2

    哈希表 基础知识 哈希表和链表都是属于基础数据结构的一种,都是必须掌握牢靠的知识. 哈希表是根据关键码的值而直接进行访问的数据结构. 简单来说就是使用数据得到的哈希值来作为哈希表的key用于获取数据. ...

  8. dotnet core 托管

    1.托管形式 dotnet core的托管形式分为 进程内托管(InProcess).进程外托管 (OutOfProcess) 新建的Web程序csproj带有 <AspNetCoreHosti ...

  9. PYTHON编写程序练习-打印99乘法表

    使用for循环嵌套的知识点编写 for i in range(1,10):   #第一层循环,循环乘数 for j in range(1,i+1):   #第二层循环,循环被乘数 print(f&qu ...

  10. rn项目启动时卡在Task :app:checkDebugAarMetadata

    原因是Gradle在下载依赖,打开Android Studio就可以看到右下角在下载.