安装没有root的Cuda

Question

我知道我可以用以下方法安装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,

Answer 1

非常感谢您提出问题的提示!我只是希望用一种对我有用的方法来完成它,并且在这个要点中受到启发,并且希望在安装有效驱动程序的情况下有所帮助,并且仍然需要在没有root权限的情况下在Linux上安装更新的CUDA.

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.

安装

1. 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.

2. 在Linux发行版下,选择该10.1选项.请注意,ENTER安装说明中的指示是欺骗性的,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,一个简单的方法是复制options -> root install path的的A按钮,在你的主目录中的任何位置运行+.它会下载create symbolic link文件.

3. 运行toolkit install path以使其可执行,然后执行它runfile (local).

4. sudo<LINK>安装EULA,然后Download在主目录下输入一个位置来安装工具包和wget <LINK>样本.

5. 这里没有问,但建议:从官方网站下载兼容的CUDNN文件(您需要登录).在我的情况下,我下载了<INSTALLER>与CUDA9兼容的chmod +x <INSTALLER>文件夹.解压缩它:./<INSTALLER>.

6. 可选:编译样本.accept.这里有一些非常好的例子,也是编写自己的一些CUDA脚本的一个非常好的起点.

7. (如果你做了5.):将CUDNN所需文件复制到CUDA中,并向用户授予读取权限(不确定是否需要): say no to dr

8. 将库添加到您的环境中.这通常是将以下两行添加到您的<CUDA>文件中完成的(在此示例中,<CUDASAMPLES>目录为cudnn-9.0-linux-x64-v7.tgz:

<CUDNN>

用于快速测试或TENSORFLOW用户

获得与CUDA9和CUDNN7兼容的TensorFlow的最快方法(以及一种非常快速的测试方法)是下载预编译tar -xzvf ...文件并安装它cd <CUDASAMPLES> && make.您需要的大多数版本都可以在脑海中找到(感谢很多人).确认CUDNN也在工作的最小测试涉及使用<CUDNN>:

cp -P <CUDNN>/cuda/include/cudnn.h <CUDA>/include/
cp -P <CUDNN>/cuda/lib64/libcudnn* <CUDA>/lib64
chmod a+r <CUDA>/include/cudnn.h <CUDA>/lib64/libcudnn*

就我而言,我安装了轮子需要英特尔的MKL库,说明这里.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(参考):

1. <CUDA>
2. ~/.bashrc
3. <CUDA>
4. ~/cuda9/
5. wheel #这需要一段时间
   1. pip install <WHEEL> #如果有,请选择此选项 tf.nn.conv2d
6. git clone https://github.com/01org/mkl-dnn.git #也需要一段时间
7. cd mkl-dnn/scripts && ./prepare_mkl.sh && cd ..
8. 将以下内容添加到您的mkdir -p build && cd build:cmake -D CMAKE_INSTALL_PREFIX:PATH=<TARGET_DIR_IN_HOME> ..

希望这可以帮助!
安德烈斯

Answer 2

您可以通过以下命令使用conda进行安装。

conda install -c anaconda cudatoolkit

但是您需要事先访问该设备（GPU）。

编辑：如果您在anaconda存储库中发现错误，请更改conda-forge经常更新的存储库。

conda install -c conda-forge cudatoolkit

Answer 3

您可以安装 CUDA 并编译程序，但由于缺乏设备访问权限，您将无法运行它们。