当前位置: 首页 > backend >正文

【笔记】NVIDIA AI Workbench 中安装 CUDA 12.9

安装 NVIDIA AI Workbench 之后 ,我们还得到一个WSL-Linux子系统,如果想利用该子系统进行深度学习等尝试,就需要为其搭建深度学习环境,以下是从CUDA开始的记录,关于在该子系统中进行 Anaconda 的安装请查看往期笔记。该子系统与其他WSL子系统的前期配置稍有不同,需要额外的sudo权限和密码的配置操作(见文内参考资料)。以下是完整的CUDA 12.9安装过程:

一、前置条件

(一)安装 NVIDIA AI Workbench

【笔记】NVIDIA AI Workbench 安装记录-CSDN博客

 

(二)配置 sudo 权限(密码) 

 【笔记】NVIDIA AI Workbench 中 sudo 密码问题排查与解决-CSDN博客

Windows系统中的PowerShell中执行: 

wsl -u root -d NVIDIA-Workbench
passwd workbench
usermod -aG sudo workbench
groups workbench
su - workbench

以下是针对这些命令的详细注释,帮助我们理解每个步骤的目的:

# 在 Windows 系统的 PowerShell 中执行以下命令# 使用 WSL (Windows Subsystem for Linux) 以 root 用户身份登录到名为 NVIDIA-Workbench 的发行版
# 这允许您绕过普通用户的权限限制,直接进行系统级更改
wsl -u root -d NVIDIA-Workbench# 设置或重置 workbench 用户的密码
# 在提示输入新 UNIX 密码时,请输入并确认一个新密码
passwd workbench# 将 workbench 用户添加到 sudo 组中
# 这赋予了 workbench 用户使用 sudo 执行需要管理员权限的命令的能力
usermod -aG sudo workbench# 查看 workbench 用户所属的所有组
# 应该包括 'sudo' 组,表明用户现在拥有 sudo 权限
groups workbench# 切换到 workbench 用户
# 需要输入之前设置的 workbench 用户密码来完成切换
su - workbench

 

 

 二、安装 CUDA 12.9

(一)打开NVIDIA-Workbench

 

 (二)验证与系统GPU的连通性

nvidia-smi

 

 

 (三)安装 CUDA

1、 确定CUDA的安装命令

在CUDA 官网如下图如示确定安装命令: 

CUDA Toolkit 12.9 Update 1 Downloads | NVIDIA Developer 

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.1-1_all.deb
sudo dpkg -i cuda-keyring_1.1-1_all.deb
sudo apt-get update
sudo apt-get -y install cuda-toolkit-12-9

 

 

 2、执行安装

复制命令粘贴到窗口执行安装:

 

3、配置环境变量

安装完成后,需要设置相应的环境变量以便系统能找到 CUDA 库和头文件。

(1)编辑 .bashrc 文件

 打开 .bashrc 文件,命令:

nano ~/.bashrc

 

(2)按键盘上的 ↑ ↓ 箭头移动在文件末尾添加以下内容:

复制过去粘贴 

# 设置 CUDA 路径
export PATH=/usr/local/cuda-12.9/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-12.9/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

保存并退出编辑器(按 Ctrl+X,然后按 Y 确认保存,最后按 Enter)。

 

(3)使更改生效
source ~/.bashrc

 

(四)验证 CUDA 是否正确安装:

nvcc --version# 或者
nvcc -V

如果显示了 CUDA 编译器版本信息,则说明安装成功。

 

 

安装完成后同样会生成一些组件的快捷图标: 

 

 

三、安装CUDA驱动程序

(一)检查驱动程序是否正常 

安装完CUDA12.9后会发现nvcc -V命令输出已经正确,但我们安装前验证过的nvidia-smi命令此时已经输出异常:

(二)获取安装命令

此时我们需要安装CUDA官方提供的驱动程序:

 

 

#Driver Installer	
#NVIDIA Driver Instructions (choose one option)#To install the open kernel module flavor:
sudo apt-get install -y nvidia-open#To install the proprietary kernel module flavor:
sudo apt-get install -y cuda-drivers

 

(三)关于命令的选择

关于命令的选择请参考我之前的文章,因篇幅有限,恕在此不再赘述

简而言之是如果不熟悉的话,推荐第1条命令(更新快、支持好);如果想更好的兼容CUDA则可用第2条命令。无论选哪条命令都几乎不影响功能的使用。

第二章、第(一)段 中的 第 7 节 

在WSL2-Ubuntu中安装CUDA12.8、cuDNN、Anaconda、Pytorch并验证安装_cuda 12.8 pytorch版本-CSDN博客 

 

 

 

(四)安装驱动程序

 

sudo apt-get install -y nvidia-open

或者:

sudo apt-get install -y cuda-drivers

(五)再次验证 nvidia-smi 命令:

安装完成后再次验证 nvidia-smi 命令:

nvidia-smi

 

五、总结与后续步骤​

(一)安装完成标志:​

1、 nvcc -V 正确显示版本号。

2、 nvidia-smi 无报错。​

3、 环境变量已写入 .bashrc,并通过 source 生效。​

(二)下一步操作:​

1、安装 cuDNN 9.10.2(现已无需登录 NVIDIA 开发者账号)。​

2、配置深度学习框架(如 PyTorch、TensorFlow),验证 GPU 加速功能(见后续笔记)。

 

http://www.xdnf.cn/news/13645.html

相关文章:

  • 其他UML图示例,用到再学习
  • 心理学行业IP变现新趋势:创客匠人赋能个人品牌崛起
  • 去除百度AI图像中包含的水印内容
  • PocketSCP:蛋白质口袋动态时空拓扑可视化分析新方法
  • 华为云Flexus+DeepSeek征文|华为云一键部署高可用版 Dify LLM 应用开发平台实践详解
  • 训练过程中的 Loss ?
  • DeviceNet转Modbus RTU协议转换网关在石油开采行业的应用
  • 常见系统设计
  • 2024蓝桥杯C/C++ B组国赛
  • C primer plus (第六版)第七章 编程练习第4题,第5题
  • SecureRandom.getInstanceStrong() 与虚拟机的爱恨情仇
  • ImportError: cannot import name ‘PfeifferConfig‘ from ‘transformers‘【已解决】
  • 考试中关于机动车安全技术检验标准(如 GB 7258、GB 21861 等)的考核重点有哪些?
  • java单元测试写法
  • Element:Table表头全部或单个表头颜色header-row-style
  • 鸿蒙开发:DevEcoTesting中的稳定性测试
  • 【Python 算法零基础 6.贪心算法】
  • 基于51单片机和8X8点阵屏、独立按键的跳跃躲闪类小游戏
  • 在WordPress中彻底关闭生成缩略图的方法
  • c++经典好题
  • 机器学习基本概念与建模流程
  • day031-Shell自动化编程-数组与案例
  • 【全开源】码小象租车系统源码+uniapp前端+开发文档接口
  • 【粤语ASRTTS】粤语语音识别与合成:重塑粤语智能化标杆
  • android studio开关控制
  • 小知识点二:无刷电机开环控制
  • 创建型设计模式
  • linux系统实时监控top命令
  • Spring Boot 完整教程 - 从入门到精通(全面版)
  • 鹰盾视频加密器播放器倍速播放中变速不变声的技术原理解析