Sé que se puede instalar Cuda con los siguientes:

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.ejecutar 
./cuda_7.0.28_linux.ejecución de extracto=`pwd`/nvidia_installers 
cd nvidia_installers 
sudo ./NVIDIA-Linux-x86_64-346.46.ejecutar 
sudo modprobe nvidia 
sudo ./cuda-linux64-rel-7.0.28-19326674.ejecutar 

Sólo me preguntaba si puedo instalar Cuda sin root?

Gracias,

  • El driver de la GPU (por ejemplo,sudo ./NVIDIA-Linux-x86_64-346.46.run) es necesario ser capaz de ejecutar CUDA programas en un CUDA GPU, y requiere privilegios de root para instalar, los otros componentes del juego de herramientas (CUDA toolkit, CUDA muestras) puede ser instalado sin privilegios de root, si usted pone el instalador para colocarlos en el espacio de trabajo local en lugar de instalar en la ubicación predeterminada. Si usted ya tiene un driver de la GPU instalado en su sistema que soporta el deseado CUDA toolkit versión, entonces es posible.
  • mira como me tiene que pedir a los administradores para instalar el CUDA instalador de primera, a continuación, puede instalar el kit de herramientas de mí mismo. Gracias.
  • ¿Por qué no usar CUDA 10.0
  • Esta pregunta se la hicieron a los 2 años, 2 meses atrás. No había CUDA 10.0 en ese momento.
InformationsquelleAutor user200340 | 2016-09-07

3 Comentarios

  1. 3

    Puede instalar CUDA y compilar programas, pero usted no será capaz de ejecutar ellos por una falta de acceso a los dispositivos.

    • Que en realidad no importa
  2. 26

    Actualización La interfaz de usuario de instalación para 10.1 cambiado. Las siguientes obras:

    • Anule la selección de la instalación del controlador (pulsando ENTERen él)
    • Cambio options -> root install path a un no-sudo directorio.
    • De prensa A en la línea marcada con un + acceso a las opciones avanzadas. Anule la selección de create symbolic link, y cambiar el toolkit install path.
    • Ahora la instalación debe funcionar sin permisos de root

    Muchas gracias por las sugerencias en la pregunta! Sólo quiero completarlo con un enfoque que trabajó para mí, también inspirado en esta esencia y que esperemos que ayuda a en situaciones donde un conductor válida está instalado, y la instalación de una más reciente CUDA en Linux sin permisos de root, todavía es necesario.

    TL;DR: Aquí están los pasos para instalar CUDA9+CUDNN7 en Debian, y la instalación de una pre-versión compilada de TensorFlow1.4 en Python2.7 para probar que todo funciona. Todo sin privilegios de root y a través de terminal. También debe trabajar para otros CUDA, CUDNN, TensorFlow y versiones de Python en otros sistemas Linux también.


    INSTALACIÓN

    1. Ir a NVIDIA lanzamiento oficial de la web para CUDA (como para Nov. 2017, CUDA9 es: https://developer.nvidia.com/cuda-downloads.

    2. Bajo su distro de Linux, seleccione la runfile (local)opción. Tenga en cuenta que el sudo indicación presente en las instrucciones de instalación que se está engañando, ya que es posible ejecutar este programa de instalación sin permisos de root. En un servidor, una forma fácil es copiar el <LINK> de la Download botón y, en cualquier ubicación de su directorio de inicio, ejecutar wget <LINK>. Va a descargar el <INSTALLER> archivo.

    3. Ejecutar chmod +x <INSTALLER> para hacerlo ejecutable y ejecutarlo ./<INSTALLER>.

    4. accept el EULA, say no to driver instalación, y entrar en un <CUDA> ubicación dentro de su directorio de inicio para instalar el kit de herramientas y un <CUDASAMPLES> para las muestras.

    5. No se pide aquí, pero se recomienda: Descargar compatible CUDNN archivo de la web oficial (es necesario iniciar sesión). En mi caso, he descargado el cudnn-9.0-linux-x64-v7.tgz, compatible con CUDA9 en el <CUDNN> carpeta. Descomprimir: tar -xzvf ....

    6. Opcional: compilar los ejemplos. cd <CUDASAMPLES> && make. Hay muy buenos ejemplos de allí y un muy buen punto de partida para escribir algunos CUDA secuencias de comandos de ti mismo.

    7. (Si se hizo 5.): Copia el CUDNN archivos necesarios en CUDA, y conceder permiso de lectura para el usuario (no estoy seguro si es necesario):

    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*
    1. Agregar a la biblioteca de su entorno. Normalmente, esto se hace agregando esta dos líneas siguientes a su ~/.bashrc archivo (en este ejemplo, el <CUDA> directorio fue ~/cuda9/:
    export PATH=$HOME/cuda9/bin:$PATH
    export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$HOME/cuda9/lib64/

    PARA PRUEBAS RÁPIDAS O TENSORFLOW USUARIOS

    La manera más rápida de conseguir un TensorFlow compatible con CUDA9 y CUDNN7 (y de una manera muy rápida para probar esto) es descargar un precompilado wheel archivo e instalarlo con pip install <WHEEL>. La mayoría de las versiones que usted necesita, puede ser encontrado en la mente del repo (muchas gracias). Un mínimo de prueba que confirma que CUDNN está trabajando también implica el uso de 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]

    En mi caso, la rueda que he instalado requiere de Intel MKL de la biblioteca, como se explica aquí. De nuevo, desde la terminal y sin root usuarios, esto son los pasos que he seguido para instalar la biblioteca y hacer TensorFlow encontrar (referencia):

    1. git clone https://github.com/01org/mkl-dnn.git
    2. cd mkl-dnn/scripts && ./prepare_mkl.sh && cd ..
    3. mkdir -p build && cd build
    4. cmake -D CMAKE_INSTALL_PREFIX:PATH=<TARGET_DIR_IN_HOME> ..
    5. make # esto lleva un tiempo
      1. make doc # hacer esto, opcionalmente, si usted tiene doxygen
    6. make test # también lleva un tiempo
    7. make install # installs into <TARGET_DIR_IN_HOME>
    8. añada lo siguiente a su ~/.bashrc: export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:<TARGET_DIR_IN_HOME>/lib

    Espero que esto ayude!

    Andrés

    • Esto funcionó porque su equipo ya tenía un adecuado instalado el driver, y lo único que necesitaba era el CUDA runtime library. Si el controlador no está instalado, no hay manera de ejecutar el programa.
    • que es, como digo al principio sólo quería completar la información dada por el OP y el aceptado respuesta. Voy a aclarar esto
    • En cualquier caso, instalar CUDA sin root es un diferenciada de tareas de ejecución de CUDA, y es perfectamente legítimo desea instalar una nueva versión CUDA en una máquina con un controlador existente sin permisos de root…
    • en realidad, yo quería editarlo pero ya está ahí, en la primera frase. Lo pongo en negrita para que nadie se confunde
    • Tengo un ordenador con CUDA5. Se puede utilizar la punta de instalar CUDA9 para él?
    • si tu sistema operativo es debian o puede utilizar los comandos equivalentes a hacer el chmod, wget etc de negocios se debe trabajar. Sólo asegúrese de que su GPU, GPU conductores, CUDA (y, opcionalmente, CUDNN) las versiones que desea instalar son compatibles el uno con el otro. Intente comprobar la GPU y la versión del controlador con nvidia-smi, y encontrar la última versión compatible aquí
    • Intenta Dheeraj del enfoque?
    • Traté de su enfoque, pero se informó cudaErrorInsufficientDriver. Mi versión del controlador se 331.67. Creo que no se puede instalar tensorflow en este servidor porque el conductor es demasiado viejo. Gracias.
    • CUDA/10.1 necesita permisos de root, y he encontrado ninguna manera alrededor de ella. Alguna sugerencia?
    • Sólo probado el cuda_10.1.105_418.39_linux.run instalación y salió bien. Se cambió la interfaz de usuario con algunas opciones, por favor, asegúrese de cambiar el instalar las rutas a los directorios de que el usuario tenga el control de.
    • He actualizado la respuesta al principio de pasos específicos, que me haga saber si funciona para usted!
    • Gracias por la elaborada respuesta.. 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* ayudado mucho

  3. 5

    Se puede instalar con el conda con el siguiente comando.

    conda install -c anaconda cudatoolkit

    Pero necesita tener antes de su acceso al dispositivo(GPU).

    EDIT : Si usted está encontrando el error en anaconda repositorio, a continuación, cambie el repositorio para conda-forge que se actualiza con frecuencia.

    conda install -c conda-forge cudatoolkit

Dejar respuesta

Please enter your comment!
Please enter your name here