因为我们的CUDA程序是放到服务器上运行，因此我想用SSH方式连接到主机，然后在主机中编译运行程序。因为当时是管理员安装，而我不是管理员用户，因此环境变量里面并没有配置好CUDA，需要手动去配。
方法：
vi ~/.bashrc
进入vi后，按i进入插入修改模式，在文件末尾加入：
# User specific aliases and functions
CUDA_HOME=/usr/local/cuda
export CUDA_HOME
PATH=$PATH:/usr/local/cuda/bin
export PATH
LD_LIBRARY_PATH=/usr/local/cuda/lib
export LD_LIBRARY_PATH
分享到：
相关推荐
CUDA Fortran是在Linux环境下开发CUDA应用的一个重要工具，特别是在高性能计算(HPC)领域。CUDA是NVIDIA公司推出的一种并行计算平台和编程模型，它允许开发者利用GPU的强大处理能力进行科学计算和其他计算密集型任务...
整个指南是为熟悉Linux操作和命令行操作的用户提供，通过一系列的命令和配置步骤，能够从零开始在CentOS上安装和配置CUDA环境。需要注意的是，本指南中还存在一些OCR技术的错误，例如“lspci | grep-invidia”应为...
### CentOS 7.6 安装 NVIDIA 驱动、CUDA、cuDNN 的详细步骤 #### 一、安装 NVIDIA 驱动 ...通过以上步骤，您可以在 CentOS 7.6 上成功安装 NVIDIA 驱动、CUDA 和 cuDNN，为高性能计算和深度学习开发提供强大的支持。
在本文中，我们将详细讨论如何配置一个用于深度学习的高性能计算环境，具体涉及RTX 3090显卡、CUDA 11.2、Python 3.9.9以及PyTorch 1.8.0。这个环境配置对于运行大规模的机器学习和深度学习模型至关重要。 首先，...
以上就是在CentOS 7环境下编译OpenCV 4.5.4生成.so和.jar文件的详细步骤。这个过程中，你可能会遇到各种依赖问题或配置错误，解决这些问题需要对Linux系统、CMake以及OpenCV有一定的了解。如果你计划在实际项目中...
以上步骤完成了CentOS7上深度学习环境的基本搭建，涵盖了禁用SecureBoot和nouveau驱动、安装GPU驱动、配置CUDA和cuDNN以及Python虚拟环境的创建等关键环节。这些步骤对于构建稳定且高效的深度学习环境至关重要。
安装完CUDA后，开发人员通常需要设置适当的环境变量来配置开发环境。例如，可以设置CUDA_HOME环境变量来指向CUDA的安装目录，同时还需要将CUDA的bin和lib64目录添加到PATH和LD_LIBRARY_PATH环境变量中，以方便调用...
### CentOS7 下 GPU 安装配置指南及 TensorFlow、Openface 的 GPU 使用 #### 一、环境准备与基础知识 本文档将指导您如何在 CentOS 7 系统上安装配置 GPU，并利用 GPU 进行 TensorFlow 和 Openface 的加速计算。本...
本手册将详细指导您如何在Ubuntu 20.04.3 LTS和CentOS 7.6上安装和配置NVIDIA Tesla V100 GPU的相关软件，包括驱动、CUDA和cuDNN。 首先，我们开始安装Ubuntu 20.04.3 LTS。这个版本的Ubuntu提供了稳定的Linux环境...
### Linux系统环境配置详解 #### 一、安装NVIDIA驱动 **1.1 Ubuntu 安装 NVIDIA 驱动...以上步骤覆盖了从NVIDIA驱动到Anaconda安装、远程访问配置以及防火墙设置等内容，为构建高效的Linux开发环境提供了完整的指导。
这份指南详细介绍了在Linux系统上安装CUDA开发环境的步骤和方法，并且提供了故障排除和常见问题的解答。在正式介绍知识点之前，我们首先需要明确文档的结构和内容概览。 本指南由若干章节构成，从基础的系统要求...
### 编译TensorFlow 1.12.2 C++库在CentOS 7环境下的步骤详解 #### 一、前言 本文旨在详细介绍如何在CentOS 7环境下编译安装TensorFlow 1.12.2的C++库，并确保能够支持CUDA 9.1与cuDNN 7.1.3。考虑到可能存在的多...
在管理员权限下进行GPU驱动的安装，首先确认系统版本和内核版本信息，然后安装必要的编译环境。通过lspci命令检查GPU型号，利用nvidia-detect命令检测支持的NVIDIA驱动版本。接着，添加ELRepo源并安装NVIDIA驱动。...
在本文中，我们将详细探讨如何在CentOS 7.6环境下安装NVIDIA RTX 3080 GPU的驱动程序，CUDA工具包以及cuDNN库。这些组件对于深度学习和高性能计算至关重要，因为它们能充分利用GPU的计算能力。 ### 1. 安装基础环境...
在构建一个用于图像识别的开发环境，特别是在CentOS操作系统上，我们需要关注几个关键步骤，以确保TensorFlow等深度学习框架能够充分利用NVIDIA GPU的计算能力。以下是一个详细的配置指南： 首先，我们需要安装...
"linux 运维 服务器"这些标签暗示了CUDA将在Linux服务器环境中使用，对于运维人员来说，理解如何在Linux环境下安装、配置和管理CUDA是至关重要的。在服务器上安装CUDA，需要考虑GPU硬件兼容性、系统内核版本、以及与...
在Linux系统，特别是CentOS环境下，OpenCV是一个广泛使用的计算机视觉库，用于图像处理和机器学习任务。这个压缩包文件包含的是预编译的OpenCV库，特别的是，它已经包含了opencv-contrib扩展包，提供了更多高级功能...
CUDA（Compute Unified Device Architecture，统一计算架构）是由NVIDIA...通过这份指南，开发者可以将CUDA集成到他们的Linux开发环境中，充分利用GPU的计算能力进行科学计算、深度学习、图像处理等计算密集型任务。
- Nsight Eclipse Edition的介绍（5.3节），Nsight是NVIDIA提供的一套集成开发环境，可帮助开发者进行CUDA应用的开发与调试。 6. 安装后的操作 安装CUDA后，还有一些必须和推荐的操作： - 必要的操作包括设置环境...
4. 配置环境变量： 在 ~/.bashrc 或者 ~/.bash_profile 文件中添加 CUDA 和 cuDNN 的路径： ```bash echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc echo 'export LD_LIBRARY_PATH=/usr/local/...