NVIDIA cuDNN 오프라인 설치 완전 가이드 (폐쇄망 딥러닝 인프라 구축)

예) cudnn-9.0-linux-x64-v7.1.tgz
     ^^^^  ^^^
     CUDA  cuDNN

# 압축 해제
$ tar -zxvf cudnn-9.0-linux-x64-v7.tgz
# → 'cuda' 폴더가 생성됨
 
# 헤더 파일을 CUDA include 디렉터리에 복사
$ sudo cp cuda/include/cudnn*.h /usr/local/cuda/include/
 
# 동적 라이브러리(.so)를 CUDA lib64 디렉터리에 복사
$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/
 
# 읽기 권한 부여 (모든 계정이 라이브러리 로드 가능하도록)
$ sudo chmod a+r /usr/local/cuda/include/cudnn*.h \
                 /usr/local/cuda/lib64/libcudnn*
 
# 공유 라이브러리 캐시 갱신
$ sudo ldconfig

# ~/.bashrc 또는 /etc/profile.d/cuda.sh 에 추가
export CUDA_HOME=/usr/local/cuda
export LD_LIBRARY_PATH=$CUDA_HOME/lib64:$LD_LIBRARY_PATH
export PATH=$CUDA_HOME/bin:$PATH

# 적용
$ source ~/.bashrc
 
# 경로 확인
$ echo $LD_LIBRARY_PATH
/usr/local/cuda/lib64:...

$ cat /usr/local/cuda/include/cudnn.h | grep -E "CUDNN_MAJOR|CUDNN_MINOR|CUDNN_PATCHLEVEL"
#define CUDNN_MAJOR 7
#define CUDNN_MINOR 1
#define CUDNN_PATCHLEVEL 4
# → cuDNN 7.1.4 설치 확인

$ cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR

import tensorflow as tf
print(tf.__version__)
 
# GPU 사용 가능 여부 (True 가 나와야 정상)
print(tf.test.is_gpu_available())
 
# 상세 디바이스 목록
print(tf.config.list_physical_devices('GPU'))

1. NVIDIA 드라이버 설치   → nvidia-smi 동작 확인
2. CUDA Toolkit 설치     → nvcc --version 동작 확인
3. cuDNN 설치 (이 글)    → cudnn.h 버전 확인
4. TensorFlow/PyTorch    → GPU 인식 확인