Installieren von Cuda ohne root
Ich weiß, dass ich installieren kann Cuda mit den folgenden:
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.laufen ./cuda_7.0.28_linux.run-Extrakt=`pwd`/nvidia_installers cd nvidia_installers sudo ./NVIDIA-Linux-x86_64-346.46.laufen sudo modprobe nvidia sudo ./cuda-linux64-rel-7.0.28-19326674.laufen
Nur Fragen, wenn ich kann Cuda installieren ohne root?
Dank,
- Der GPU-Treiber (z.B.
sudo ./NVIDIA-Linux-x86_64-346.46.run
) ist notwendig, um in der Lage zu laufen CUDA-Programme auf einem CUDA-GPU, und es erfordert root-Rechte zu installieren, die anderen toolkit-Komponenten (CUDA-toolkit, CUDA-samples) können installiert werden, ohne root-Rechte, wenn du direkt den installer, legen Sie Sie in Ihrem lokalen workspace installieren, sondern den Standard-Speicherorten. Wenn Sie bereits eine GPU-Treiber auf Ihrem system installiert unterstützt die gewünschte CUDA toolkit version dann ist es möglich. - sieht aus wie ich, Fragen an die admins zur Installation der CUDA-installer zuerst, dann kann ich die Installation des toolkit selbst. Danke.
- Warum spielst du nicht CUDA 10.0
- Diese Frage wurde vor 2 Jahren, 2 Monaten. Es war kein CUDA 10.0 damals.
Du musst angemeldet sein, um einen Kommentar abzugeben.
Können Sie CUDA installieren und kompilieren von Programmen, aber Sie werden nicht in der Lage, Sie zu laufen für einen fehlenden Zugriff auf die Geräte.
Update Die installation-Benutzeroberfläche für
10.1
geändert. Die folgenden Werke:ENTER
drauf)options -> root install path
zu einer nicht-sudo-Verzeichnis.A
auf der markierten Linie mit einem+
um die erweiterten Optionen aufzurufen. Deaktivieren Siecreate symbolic link
, und ändern Sie dietoolkit install path
.Vielen Dank für die Hinweise, die Sie in der Frage! Ich will einfach nur, um es zu vollenden, mit einem Ansatz, der arbeitete für mich, auch inspiriert diese gist und hoffentlich hilft in Situationen, in denen eine gültige Treiber ist installiert, und die Installation eines neueren CUDA auf Linux ohne root-Rechte ist immer noch notwendig,.
TL;DR: Hier sind die Schritte zum installieren CUDA9+CUDNN7 auf Debian und die Installation einer vorkompilierten version von TensorFlow1.4 auf Python2.7 um zu testen, ob alles funktioniert. Alles, was ohne root-Rechte und via terminal. Sollte auch für andere CUDA, CUDNN, TensorFlow und Python-Versionen auf anderen Linux-Systemen auch.
INSTALLATION
Gehen, um NVIDIA den offiziellen web-release für CUDA (für Nov. 2017, CUDA9 ist aus): https://developer.nvidia.com/cuda-downloads.
Unter Ihrer Linux-Distribution, wählen Sie die
runfile (local)
option. Beachten Sie, dass diesudo
Angabe vorhanden in den Installationsanweisungen zu täuschen, da es möglich ist, führen Sie diesen installer ohne root-Berechtigungen. Auf einem server, eine einfache Möglichkeit ist das kopieren der<LINK>
desDownload
- Taste und an jedem Ort von Ihrem home-Verzeichnis, führen Siewget <LINK>
. Es wird download der<INSTALLER>
Datei.Laufen
chmod +x <INSTALLER>
machen Sie es ausführbar und führen es./<INSTALLER>
.accept
die EULAsay no to dr
iver-installation, und geben Sie einen<CUDA>
Lage unter Ihrem home-Verzeichnis zu installieren das toolkit und ein<CUDASAMPLES>
für die Proben.Nicht gefragt, hier wird aber empfohlen: Laden Sie eine kompatible CUDNN-Datei aus dem die offizielle Webseite (müssen Sie sich). In meinem Fall, ich habe die
cudnn-9.0-linux-x64-v7.tgz
, kompatibel mit CUDA9 in die<CUDNN>
Ordner. Dekomprimieren Sie Sie:tar -xzvf ...
.Optional: die Beispiele kompilieren.
cd <CUDASAMPLES> && make
. Es gibt einige sehr schöne Beispiele gibt und ein sehr guter Ausgangspunkt, um zu schreiben,CUDA-Skripte von dir.(Wenn du das getan hast 5.): Kopieren Sie die CUDNN benötigten Dateien in CUDA zu, und erteilen Sie lese-Berechtigung dem Benutzer (nicht sicher, ob benötigt):
~/.bashrc
Datei (in diesem Beispiel, die<CUDA>
Verzeichnis war~/cuda9/
:FÜR SCHNELLE TESTS ODER TENSORFLOW BENUTZER
Der Schnellste Weg zu einer TensorFlow kompatibel mit CUDA9 und CUDNN7 (und eine sehr schnelle Möglichkeit, dies zu testen), ist der download einer vorkompilierten
wheel
Datei und installieren Sie es mitpip install <WHEEL>
. Die meisten Versionen, die Sie brauchen, finden Sie in mind ' s repo (vielen Dank Jungs). Einen minimalen test, der bestätigt, dass CUDNN ist auch die Arbeit umfasst die Verwendung vontf.nn.conv2d
:In meinem Fall, das Rad habe ich installiert erforderlich Intel MKL Bibliothek, wie bereits erläutert,hier. Wieder vom terminal ohne root-Benutzer, das sind die Schritte, die ich gefolgt, um die Bibliothek zu installieren und machen TensorFlow finden (Referenz):
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
# dies dauert eine Weilemake doc
# dies Optional, wenn Siedoxygen
make test
# auch eine Weile dauert,make install # installs into <TARGET_DIR_IN_HOME>
~/.bashrc
:export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:<TARGET_DIR_IN_HOME>/lib
Hoffe, das hilft!
Andres
chmod
,wget
etc-Geschäft, sollte es funktionieren. Stellen Sie sicher, dass Ihre GPU, GPU-Treiber, CUDA (und Optional CUDNN) Versionen, die Sie installieren möchten, sind die alle kompatibel untereinander. Probiere die GPU und Treiber der version mitnvidia-smi
, und finden Sie die neueste kompatible version hiercudaErrorInsufficientDriver
. Meine Treiber version ist 331.67. Ich denke, ich kann nicht installieren tensorflow auf diesem server, weil der Treiber zu alt ist. Danke.cuda_10.1.105_418.39_linux.run
Montage-und ging gut. Sie verändert die Benutzeroberfläche mit einigen Optionen, bitte ändern Sie die Installation-Pfade zu Verzeichnissen, die der Benutzer hat die Kontrolle.Können Sie installieren Sie mithilfe von conda mit dem folgenden Befehl.
Aber Sie brauchen, um vor, dass Sie Ihren Zugang zu dem Gerät(GPU)