我知道我可以使用以下内容安装Cuda:
wget http://developer.download.nvidia.com/compute/cuda/7_0/Prod/local_installers/cuda_7.0.28_linux.run chmod +x cuda_7.0.28_linux.run ./cuda_7.0.28_linux.run -extract=`pwd`/nvidia_installers cd nvidia_installers sudo ./NVIDIA-Linux-x86_64-346.46.run sudo modprobe nvidia sudo ./cuda-linux64-rel-7.0.28-19326674.run
只是想知道我是否可以在没有root的情况下安装Cuda?
谢谢,
答案 0 :(得分:23)
更新 10.1
的安装界面已更改。以下作品:
ENTER
)options -> root install path
更改为非sudo目录。A
的行上按+
以访问高级选项。取消选择create symbolic link
,然后更改toolkit install path
。非常感谢您提出问题的提示!我只想用一种对我有用的方法来完成它,同样受到this gist的启发,希望在安装了有效驱动程序的情况下帮助,并且在没有root权限的情况下在Linux上安装更新的CUDA是仍然需要。
TL; DR:以下是在Debian上安装CUDA9 + CUDNN7,在Python2.7上安装TensorFlow1.4的预编译版本以测试一切正常的步骤。没有root权限和终端的一切。也适用于其他Linux系统上的其他CUDA,CUDNN,TensorFlow和Python版本。
转到NVIDIA的CUDA官方发布网站(截至2017年11月,CUDA9已经发布):https://developer.nvidia.com/cuda-downloads。
在Linux发行版下,选择runfile (local)
选项。 请注意,安装说明中出现的sudo
指示是欺骗性的,因为可以在没有root权限的情况下运行此安装程序。在服务器上,一种简单的方法是复制<LINK>
按钮的Download
,并在主目录的任何位置运行wget <LINK>
。它将下载<INSTALLER>
文件。
运行chmod +x <INSTALLER>
使其可执行,然后执行./<INSTALLER>
。
accept
EULA,say no to dr
iver安装,并在您的主目录下输入<CUDA>
位置以安装工具包,并为样本输入<CUDASAMPLES>
。
此处未询问,但建议:从official web下载兼容的CUDNN文件(您需要登录)。就我而言,我将与{CALA9兼容的cudnn-9.0-linux-x64-v7.tgz
下载到<CUDNN>
文件夹中。解压缩:tar -xzvf ...
。
可选:编译样本。 cd <CUDASAMPLES> && make
。这里有一些很好的例子,也是写一些CUDA scripts of yourself的非常好的起点。
(如果你做了5次。):将CUDNN所需文件复制到CUDA中,并向用户授予阅读权限(不确定是否需要):
cp -P <CUDNN>/cuda/include/cudnn.h <CUDA>/include/
cp -P cudnn9/cuda/lib64/libcudnn* cuda9/lib64
chmod a+r cuda9/include/cudnn.h cuda9/lib64/libcudnn*
~/.bashrc
文件中完成的(在此示例中,<CUDA>
目录为~/cuda9/
:export PATH=$HOME/cuda9/bin:$PATH
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$HOME/cuda9/lib64/
让TensorFlow与CUDA9和CUDNN7兼容的最快捷方式(以及一种快速测试方法)是下载预编译的wheel
文件并使用pip install <WHEEL>
进行安装。您需要的大多数版本都可以在mind's repo中找到(非常感谢)。确认CUDNN也在工作的最小测试涉及使用tf.nn.conv2d
:
import tensorflow as tf
x = tf.nn.conv2d(tf.ones([1,1,10,1]), tf.ones([1,5,1,1]), strides=[1, 1, 1, 1], padding='SAME')
with tf.Session() as sess:
sess.run(x) # this should output a tensor of shape (1,1,10,1) with [3,4,5,5,5,5,5,5,4,3]
就我而言,the wheel I installed需要英特尔的MKL库,如here所述。同样,从终端和没有root用户,这是我安装库并让TensorFlow找到它的步骤(reference):
git clone https://github.com/01org/mkl-dnn.git
cd mkl-dnn/scripts && ./prepare_mkl.sh && cd ..
mkdir -p build && cd build
cmake -D CMAKE_INSTALL_PREFIX:PATH=<TARGET_DIR_IN_HOME> ..
make
#这需要一段时间
make doc
#如果您有doxygen
make test
#也需要一段时间make install # installs into <TARGET_DIR_IN_HOME>
~/.bashrc
:export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:<TARGET_DIR_IN_HOME>/lib
希望这有帮助!
安德烈
答案 1 :(得分:4)
您可以通过以下命令使用conda进行安装。
enter code here
public LatestStoriesAdapterViewHolder(View itemView) {
super(itemView);
ButterKnife.bind(this, itemView);
if (screenWidth != 0) {
android.view.ViewGroup.LayoutParams params =
itemView.getLayoutParams();
params.width = (int) ((screenWidth * 3.4) / 4);
itemView.setLayoutParams(params);
}
}
但是您需要事先访问设备(GPU)
答案 2 :(得分:3)
您可以安装CUDA并编译程序,但由于缺少设备访问权限,您将无法运行它们。