原文地址：https://blog.csdn.net/baobei0112/article/details/77996369

第1步 安装依赖包

安装后续步骤或环境必需的依赖包，依次输入以下命令:

  1. sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler

  2. sudo apt-get install --no-install-recommends libboost-all-dev

  3. sudo apt-get install libopenblas-dev liblapack-dev libatlas-base-dev

  4. sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

  5. sudo apt-get install git cmake build-essential

第2步 安装英伟达显卡驱动

执行命令：ubuntu-drivers devices

找到后面带recommended的那个显卡型号执行：sudo apt install nvidia-340（这里换成自己的版本型号）

或者：打开软件和更新——>附加驱动，选择自己需要的驱动。

然后重启系统，查看系统配置---》详细信息---》关于   ，图形处理是否对应于自己的独立显卡。

第2步 禁用 nouveau

安装好依赖包后需要禁用 nouveau，只有在禁用掉 nouveau 后才能顺利安装 NVIDIA 显卡驱动，禁用方法就是在 /etc/modprobe.d/blacklist-nouveau.conf 文件中添加一条禁用命令，首先需要打开该文件，通过以下命令打开：

sudo gedit /etc/modprobe.d/blacklist-nouveau.conf
  • 1

打开后发现该文件中没有任何内容，写入：

blacklist nouveau option nouveau modeset=0
  • 1

保存时命令窗口可能会出现以下提示：

** (gedit:4243): WARNING **: Set document metadata failed: 不支持设置属性 metadata::gedit-position

无视此提示～，保存后关闭文件，注意此时还需执行以下命令使禁用 nouveau 真正生效：

sudo update-initramfs -u

第3步 配置环境变量

同样使用 gedit 命令打开配置文件：

sudo gedit ~/.bashrc

打开后在文件最后加入以下两行内容：

  1. export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH

  2. export LD_LIBRARY_PATH=/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH

保存退出。

第4步 下载 CUDA 8.0

进入 https://developer.nvidia.com/cuda-downloads ，依次选择 CUDA 类型然后下载即可，如果有补丁文件也要一起下载安装。

第5步 安装 CUDA 8.0

第四步下载的1.4G的 CUDA中包含有 nvidia 显卡驱动，故此步骤 CUDA 的安装包括了 nvidia 显卡驱动的安装，此时注意你是否已经安装过 nvidia 显卡驱动，若无法保证已安装的 nvidia 显卡驱动一定正确，那就卸载掉之前安装的 nvidia 显卡驱动（卸载方法链接)，然后开始安装 CUDA 8.0；若可以保证已安装正确的 nvidia 显卡驱动，则直接开始安装 CUDA 8.0，在安装过程中选择不再安装 nvidia 显卡驱动。

为了方便开始安装过程的路径查找，把下载的 CUDA 安装文件移动到 HOME 路径下，然后通过 Ctrl + Alt + F1 进入文本模式，输入帐号密码登录，通过 Ctrl + Alt + F7 可返回图形化模式，在文本模式登录后首先关闭桌面服务：

sudo service lightdm stop
  • 1

然后通过 Ctrl + Alt + F7 发现已无法成功返回图形化模式，说明桌面服务已成功关闭，注意此步对接下来的 nvidia 驱动安装尤为重要，必需确保桌面服务已关闭。

Ctrl + Alt + F1 进入文本模式，然后运行 CUDA 安装文件进行安装，之前我们已经把 CUDA 安装文件移动至 HOME，直接通过 sh 命令运行安装文件即可：

sudo sh cuda_8.0.61_375.26_linux.run --no-opengl-libs
  • 1

其中 cuda_8.0.61_375.26_linux.run 是我的 CUDA 安装文件名，而你需替换为自己的 CUDA 安装文件名，若此时忘记可直接通过 ls 文件查看文件名，这也是我建议把 CUDA 安装文件移动到 HOME 下的另一个原因。

执行此命令约1分钟后会出现 0%信息，此时长按回车键让此百分比增长，直到100%，然后按照提示操作即可，先输入 accept ，然后让选择是否安装 nvidia 驱动，这里的选择对应第5步开头，若未安装则输入 “y”，若确保已安装正确驱动则输入“n”。

剩下的选择则都输入“y”确认安装或确认默认路径安装，开始安装，此时若出现安装失败提示则可能为未关闭桌面服务或在已安装 nvidia 驱动的情况下重复再次安装 nvidia 驱动，安装完成后输入重启命令重启：

reboot
  • 1

重启后登录进入系统，配置 CUDA 环境变量，与第3步相同，使用 gedit 命令打开配置文件：

sudo gedit ~/.bashrc
  • 1

在该文件最后加入以下两行并保存：

  1. export PATH=/usr/local/cuda-8.0/bin:$PATH

  2. export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

使该配置生效：

source ~/.bashrc
  • 1

第6步 验证 CUDA 8.0 是否安装成功

分别执行以下命令：

  1. cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery

  2. sudo make

  3. ./deviceQuery

  • 1
  • 2
  • 3
  • 4
  • 5

若看到类似以下信息则说明 cuda 已安装成功：

  1. ./deviceQuery Starting...

  2. CUDA Device Query (Runtime API) version (CUDART static linking)

  3. Detected 1 CUDA Capable device(s)

  4. Device 0: "GeForce GT 740M"

  5. CUDA Driver Version / Runtime Version 8.0 / 8.0

  6. CUDA Capability Major/Minor version number: 3.5

  7. Total amount of global memory: 2004 MBytes (2100953088 bytes)

  8. ( 2) Multiprocessors, (192) CUDA Cores/MP: 384 CUDA Cores

  9. GPU Max Clock rate: 1032 MHz (1.03 GHz)

  10. Memory Clock rate: 800 Mhz

  11. Memory Bus Width: 64-bit

  12. L2 Cache Size: 524288 bytes

  13. Maximum Texture Dimension Size (x,y,z) 1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)

  14. Maximum Layered 1D Texture Size, (num) layers 1D=(16384), 2048 layers

  15. Maximum Layered 2D Texture Size, (num) layers 2D=(16384, 16384), 2048 layers

  16. Total amount of constant memory: 65536 bytes

  17. Total amount of shared memory per block: 49152 bytes

  18. Total number of registers available per block: 65536

  19. Warp size: 32

  20. Maximum number of threads per multiprocessor: 2048

  21. Maximum number of threads per block: 1024

  22. Max dimension size of a thread block (x,y,z): (1024, 1024, 64)

  23. Max dimension size of a grid size (x,y,z): (2147483647, 65535, 65535)

  24. Maximum memory pitch: 2147483647 bytes

  25. Texture alignment: 512 bytes

  26. Concurrent copy and kernel execution: Yes with 1 copy engine(s)

  27. Run time limit on kernels: No

  28. Integrated GPU sharing Host Memory: No

  29. Support host page-locked memory mapping: Yes

  30. Alignment requirement for Surfaces: Yes

  31. Device has ECC support: Disabled

  32. Device supports Unified Addressing (UVA): Yes

  33. Device PCI Domain ID / Bus ID / location ID: 0 / 1 / 0

  34. Compute Mode:

  35. < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >

  36. deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 8.0, CUDA Runtime Version = 8.0, NumDevs = 1, Device0 = GeForce GT 740M

  37. Result = PASS

第7步 安装 cudnn

登录官网：https://developer.nvidia.com/rdp/cudnn-download ，下载对应 cuda 版本且 linux 系统的 cudnn 压缩包，注意官网下载 cudnn 需要注册帐号并登录，不想注册的可从我的网盘下载：https://pan.baidu.com/s/1c2xPVzy

下载完成后解压，得到一个 cudn 文件夹，该文件夹下include 和 lib64 两个文件夹，命令行进入 cudn/include 路径下，然后进行以下操作：

sudo cp cudnn.h /usr/local/cuda/include/ #复制头文件

然后命令行进入 cudn/lib64 路径下，运行以下命令：

  1. sudo cp lib* /usr/local/cuda/lib64/ #复制动态链接库

  2. cd /usr/local/cuda/lib64/sudo rm -rf libcudnn.so libcudnn.so.5 #删除原有动态文件

  3. sudo ln -s libcudnn.so.5.1.10 libcudnn.so.5 #生成软衔接

  4. sudo ln -s libcudnn.so.5 libcudnn.so #生成软链接

这里需要注意第三行命令，网上有人的第三行命令为：

sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5 #生成软衔接
  • 1

起初我执行的也是上条链接 libcudnn.so.5.1.5 的命令，但是后面编译caffe时出错，报错内容为 /usr/bin/ld: 找不到 -lcudnn，所以这里需要先查看一下自己应该链接的是 libcudnn.so.5.1.10 还是 libcudnn.so.5.1.5 ，查看方法为下：

locate libcudnn.so

我执行完后显示如下：

  1. yhao@yhao-X550VB:~$ locate libcudnn.so

  2. /home/yhao/.local/share/Trash/files/libcudnn.so

  3. /home/yhao/.local/share/Trash/files/libcudnn.so.5

  4. /home/yhao/.local/share/Trash/files/libcudnn.so.5.1.10

  5. /home/yhao/.local/share/Trash/files/cuda/lib64/libcudnn.so

  6. /home/yhao/.local/share/Trash/files/cuda/lib64/libcudnn.so.5

  7. /home/yhao/.local/share/Trash/files/cuda/lib64/libcudnn.so.5.1.10

  8. /home/yhao/.local/share/Trash/info/libcudnn.so.5.1.10.trashinfo

  9. /home/yhao/.local/share/Trash/info/libcudnn.so.5.trashinfo

  10. /home/yhao/.local/share/Trash/info/libcudnn.so.trashinfo

  11. /home/yhao/cuda/lib64/libcudnn.so

  12. /home/yhao/cuda/lib64/libcudnn.so.5

  13. /home/yhao/cuda/lib64/libcudnn.so.5.1.10

  14. /usr/local/lib/libcudnn.so

  15. /usr/local/lib/libcudnn.so.5

可以看到我的文件是 libcudnn.so.5.1.10 ，并没有 libcudnn.so.5.1.5，所以第三行命令我链接的是 libcudnn.so.5.1.10 ，这里第三行链接命令视你的查看结果而定。

安装完成后可用 nvcc -V 命令验证是否安装成功，若出现以下信息则表示安装成功：

  1. yhao@yhao-X550VB:~$ nvcc -V

  2. nvcc: NVIDIA (R) Cuda compiler driver

  3. Copyright (c) 2005-2016 NVIDIA Corporation

  4. Built on Tue_Jan_10_13:22:03_CST_2017

  5. Cuda compilation tools, release 8.0, V8.0.61

Ubuntu16.04 + Geforce GT630 OEM安装cuda 8.0相关推荐

  1. ubuntu16.04+anaconda3+python3.6安装OpenCV3.1.0

    一.首先要安装anaconda3 1.下载anaconda3 for python3.6,下载地址:anaconda3 下载你需要的版本,这里我是下载的Anaconda3-5.2.0-Linux-x8 ...

  2. ubuntu16.04安装CUDA 8.0（很详尽，包括一些坑的解决方法）

    ubuntu16.04安装CUDA 8.0(很详尽,包括一些坑的解决方法) 参考文章: (1)ubuntu16.04安装CUDA 8.0(很详尽,包括一些坑的解决方法) (2)https://www. ...

  3. 深度学习主机环境配置: Ubuntu16.04+GeForce GTX 1080+TensorFlow

    http://f.dataguru.cn/thread-660774-1-1.html 发表于 2016-7-20 09:04 | 只看该作者 |倒序浏览 |阅读模式 深度学习主机环境配置: Ubun ...

  4. Ubuntu 16.04卸载CUDA 6.5和安装CUDA 8.0

    一,引言 由于系统从Ubuntu 14.04升级到了16.04,原来的CUDA 6.5无法继续使用,所以重新安装了CUDA 8.0. 二,卸载CUDA 6.5 和驱动 以下操作都在命令行界面操作,比如 ...

  5. ubuntu16.04装机1：安装NVIDIA显卡驱动（下载.run包方式）

    转自:ubuntu16.04安装NVIDIA显卡驱动或者更换高版本显卡驱动详细(下载.run包方式)_zbr794866300的博客-CSDN博客 1 下载显卡驱动 首先你要了解你的显卡类型,例如我是 ...

  6. Ubuntu16.04 独显驱动安装 Nvidia

    Ubuntu16.04 独显驱动安装 Nvidia驱动 安装环境 安装步骤: 1.添加PPA源 2.查询驱动版本号 3.编译依赖 4.禁止集成的nouveau驱动 方法一: 方法二: 5.更新 6.安 ...

  7. 工控机 ubuntu16.04 yolov5 cpu版本安装和开发

    工控机 ubuntu16.04 yolov5 cpu版本安装 背景 环境安装 结果 安装过程中yolov5报错: 配合pyrealsense2 做检测 通过二维点获取三维坐标 rospy发送msg 背 ...

  8. Ubuntu16.04(64位)下安装和破解source insight4

    破解文件如下: https://pan.baidu.com/s/1i5qtbJv 首先 apt-get install wine 然后 winetricks wininet 然后下载sourceins ...

  9. 踩坑NVIDIA Jetson TX2、Ubuntu16.04、ROS Kinetic安装

    踩坑NVIDIA Jetson TX2.Ubuntu16.04.ROS Kinetic安装 摘要 一.NVIDIA Jetson TX2环境配置 1.1开机使用图形化界面 1.2刷机 1.3修改TX2 ...

最新文章

  1. 【组队学习】【29期】3. 自然语言处理之情感分析
  2. 端到端基于图像的伪激光雷达3D目标检测
  3. css margin居中的问题
  4. Java 自定义 ClassLoader 实现 JVM 类加载
  5. career opportuties
  6. ListCtrl::DeleteColumn的一点小经验
  7. 后退返回命令数量_Redis | Redis 有序集合相关命令
  8. 大师之路-GoLive 视频教程
  9. VBA学习过程中遇到的问题（主要针对Excel）
  10. java环境变量配置 - win10
  11. 同步异步线程进程的一些思考
  12. 华为认证hcia含金量_华为hcna认证含金量高吗？
  13. 硬件知识：固态硬盘和机械硬盘区别
  14. Uniapp设置页面的背景图片
  15. excel两列数据对比找不同_对比excel，轻松学习python数据分析
  16. Blender 建模
  17. 你总觉得你男朋友在敷衍你
  18. flac转mp3方法，flac转mp3步骤
  19. Redis缓存（三）缓存异常的四个方面：数据同步、缓存雪崩、击穿、穿透
  20. 基于PHP的驾校预约管理系统

热门文章

  1. erp知识基础-会计
  2. 干货分享——产品经理必备的技能：专业技能和软技能。
  3. 数据库（单表查询与多表联查）
  4. 自定义漂亮的圆形进度条
  5. 银河麒麟V10 SP2 server 搭建 ntp服务端
  6. SQL Server在本地计算机上用SMSS登录不上，错误消息：(Microsoft SQL Server, Error: 18456)...
  7. 汇编--call和ret指令
  8. 怎么做电商运营？浅谈我的电商之路
  9. 【Trie图】Hiho4_Hihocoder
  10. 色彩原理：三原色、色彩三要素、色彩模型