.deb版本cuda安装。
1.先记录下驱动问题:
1).run形式安装cuda。清理原有显卡驱动后,先安装自己显卡对应的驱动,在步骤中出现”Would you like to run the nvidia-xconfig utility to automatically update your X configuration file…”时,选择 No。(这里是cuda自带的旧版本的驱动)。
我安装cuda8.0时,是禁用原有驱动,使用cuda所带驱动。(应该是cuda之后的版本都可以了?)
2).deb形式安装cuda。由于会默认安装自带的旧版本驱动,故安装成功后,卸载此驱动,再重新安装显卡对应的驱动。
2.记录下大概步骤,详情见下:
1).进入cuda-repo-ubuntu1404-7-5-local_7.5-18_amd64.deb存放目录,安装deb。
sudo dpkg -i cuda-repo-ubuntu1404-7-5-local_7.5-18_amd64.deb
2).sudo apt-get update
3).回到主目录(否则提示找不到cuda文件)
sudo apt-get install cuda
安装过程非常漫长,如果中途断网输入:sudo apt-get install cuda --fix-missing
4).先把错配的显卡驱动清理干净
sudo apt-get --purge remove nvidia-*
5).由于cuda7.5中自带的Nvidia驱动是老版本,安装之后将会使得系统无法找到独立显卡(TITAN),故需要重新安装相应的驱动。
我安装后在python中执行以下代码时,提示找不到cuda7.5对应的驱动(好像是38*几 记不清了,但我的显卡对应的驱动是390.87),一下代码返回False。找来找去,打算第二天删掉一个驱动。没想到过一晚成功了~~~哦耶
import torch
print(torch.cuda.is_available())
6).重启。
7).环境变量
8).检测
1).先把错配的显卡驱动清理干净
sudo apt-get --purge remove nvidia-*
2).由于cuda7.5中自带的Nvidia驱动是老版本,安装之后将会使得系统无法找到独立显卡(TITAN),故需要重新安装相应的驱动。
我安装后在python中执行以下代码时,提示找不到cuda7.5对应的驱动(好像是38*几 记不清了,但我的显卡对应的驱动是390.87),一下代码返回False。找来找去,打算第二天删掉一个驱动。没想到过一晚成功了~~~哦耶
import torch
print(torch.cuda.is_available())
3).重启。
4).进入cuda-repo-ubuntu1404-7-5-local_7.5-18_amd64.deb存放目录,安装deb。
sudo dpkg -i cuda-repo-ubuntu1404-7-5-local_7.5-18_amd64.deb
5).sudo apt-get update
6).回到主目录(否则提示找不到cuda文件)
sudo apt-get install cuda
安装过程非常漫长,如果中途断网输入:sudo apt-get install cuda --fix-missing
插入下卸载旧版本问题:
由于需要安装cuda A,,所以需要卸载cuda B.
如果是使用.run 文件安装的,使用下面方法卸载
在/usr/local/cuda/bin
目录下,有cuda
自带的卸载工具uninstall_cuda_7.5.pl
cd /usr/local/cuda/bin
sudo ./uninstall_cuda_7.5.pl
如果是使用 .deb 安装的,使用下面方法卸载
sudo apt-get --purge remove <package_name>
注:package_name即为cuda,或者/usr/local/cuda, /usr/local/cuda-7.5
over!
然后去官网下载需要的cuda安装就可以了
基础平台:64-bit,Ubuntu14.04
一、安装前的环境准备和检查
1、安装Ubuntu系统14.04
新安装完的14.04系统会提示很多更新项。
网上有很多帖子说不建议更新,说更新过后会导致安装CUDA发生系统界面循环登录的问题。
但是我更新后,并没有遇到任何问题。
2、检查否具备安装CUDA的条件
lspci | grep -i nvidia
深度学习中我们对GPU的计算能力一般是要求大于5.0,具体情况具体分析,低于5.0也并非一定不可以。
几款科学计算显卡对比
b)查看 Ubuntu 系统的位数,终端输入命令,如下显示 x86_64,说明系统是 64 位。
uname -m && cat /etc/*release
c) 检查自己的Linux版本是否支持 CUDA(Ubuntu 14.04没问题)
d) 检查是否安装了gcc:没有的话可以通过 sudo apt-get install gcc安装。
gcc --version
3.安装显卡驱动
以上检查我的电脑系统都满足要求,如果没有满足要求的话,可以参考cuda的官方文档,里面有详细的针对每个问题的解决方案。
1.下载:根据上一步,进入Nvidia 的官网,找到对应 Quadro k2000 显卡的 Linux 64-bit 的驱动程序
我对应的是NVIDIA 390.87 而cuda7.5自带的是NVIDIA-SMI 384.130。
涉及到用哪个版本。(保留疑问,文末链接1是,卸载cuda自带的驱动。2018.8.31,先装cuda,按照此步骤,重新安装驱动。)
sudo gedit /etc/modprobe.d/blacklist.conf
添加以下内容保存
blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist nvidiafb
blacklist rivatv
(这里有一行空格)
3.清理旧显卡驱动
sudo apt-get --purge remove nvidia-*(需要清除干净)
sudo apt-get --purge remove xserver-xorg-video-nouveau
5.1按Ctrl + Alt +F1(F1~F6均可)到x-server, Ctrl+Alt+F7是返回
5.2关闭图形环境,否则驱动无法正常安装,输入用户名密码登录,然后键入命令后执行(数字不能用小键盘输入)
sudo service lightdm stop
成功关闭服务后将出现:lightdm stop/waiting
(这里记录下一句指令,为 NVIDIA**.run 驱动程序添加可执行权限: sudo chmod +x NVIDIA**.run)
sudo sh NVIDIA*.run
sudo service lightdm start
glxinfo | grep rendering
假如显示"direct rendering: Yes",则已安装。
nvidia-smi #查看驱动版本
也可以在 Ubuntu 已经安装的 Apps 中找到 NVIDIA X Server Settings 软件,可以查看到 GPU0 是 Quadro K2000,至此,本台 GPU 显卡驱动安装完毕。
二、安装Cuda
1.下载nvidia cuda的仓库安装包nvidia-cuda,找到自己电脑对应系统对应版本。
wget http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1404/x86_64/cuda-repo-ubuntu1404_7.5-18_amd64.deb
# 安装cuda软件包
sudo dpkg -i cuda-repo-ubuntu1404_7.5-18_amd64.deb# 更新本地仓库
sudo apt-get update# 安装cuda啦
sudo apt-get install cuda
原来的技术博客里说Ubuntu系统安装好后不要更新系统补丁,原因见 博客3.
echo ‘export PATH=/usr/local/cuda-7.5/bin:$PATH‘ >> ~/.bashrc
echo ‘export LD_LIBRARY_PATH=/usr/local/cuda-7.5/lib64:$LD_LIBRARY_PATH‘ >> ~/.bashrc source ~/.bashrc
nvcc -V i
cat /proc/driver/nvidia/version
cd /usr/local/cuda/samples
sudo make ‐j8
4)
cd bin/x86_64/linux/release/
sudo ./deviceQuery
sudo ./bandwidthTest
(1) 新建test.py,复制如下内容保存,(主目录/home/lvxia下)
from theano import function, config, shared, sandbox
import theano.tensor as T
import numpy
import timevlen = 10 * 30 * 768 # 10 x #cores x # threads per core
iters = 1000rng = numpy.random.RandomState(22)
x = shared(numpy.asarray(rng.rand(vlen), config.floatX))
f = function([], T.exp(x))
print(f.maker.fgraph.toposort())
t0 = time.time()
for i in xrange(iters):r = f()
t1 = time.time()
print("Looping %d times took %f seconds" % (iters, t1 - t0))
print("Result is %s" % (r,))
if numpy.any([isinstance(x.op, T.Elemwise) for x in f.maker.fgraph.toposort()]):print(‘Used the cpu‘)
else:print(‘Used the gpu‘)
(2)新建 .theanorc 设置GPU代替CPU运算(主目录)
可以使用 gedit 打开,因为 vi 不太会操作。。复制如下内容到文件中保存。这个文件在home目录下看不到,可以通过命令 ls –all 看到的~
[global]
floatX=float32
device=gpu
python test.py
三、安装cudnn。
见https://blog.csdn.net/m0_37644085/article/details/81837410 第二部分
Command to immediately obtain the CUDA version:
$ nvcc --version | grep "release" | awk '{print $6} | cut -c2-'
You can confirm the result by checking the install status of CUDA libraries:
$ dpkg -l | grep cuda
For installing multiple versions of CUDA, you can refer to this article.
http://blog.sina.com.cn/s/blog_3fe8bc880102wghj.html
# modprobe: ERROR: could not insert 'nvidia_361_uvm': Invalid argument
这是因为cuda8.0自带了361版本的nvidia driver
sudo apt-get remove nvidia-361
sudo update-alternatives --config x86_64-linux-gnu_gl_conf
Selection Path Priority Status
------------------------------------------------------------
0 /usr/lib/nvidia-361/ld.so.conf 8604 auto mode
1 /usr/lib/nvidia-361-prime/ld.so.conf 8603 manual mode
2 /usr/lib/nvidia-361/ld.so.conf 8604 manual mode
* 3 /usr/lib/x86_64-linux-gnu/mesa/ld.so.conf 500 manual mode
这种方法有时候会自动跳回2,不知道为什么,重新按该过程配置一下就行了。直接卸载361有没有side effect不能确定。
Options : History : Feedback : Donate | Close |
.deb版本cuda安装。相关推荐
- 多版本CUDA安装切换及CUDA卸载方法
这个问题迟早要遇到- 选择自定义安装,只安装CUDA就行,其他不用勾选(要安装多个版本的CUDA也是一样的) 参考 多版本CUDA tensorflow各个版本的CUDA以及Cudnn版本对应关系 W ...
- 多版本cuda安装及灵活切换详细教程
一.首先介绍下我所使用的环境 ubuntu18.04 + 1080ti 二.下载安装包 1.cudatoolkit下载 ①环境选择,想要多版本共存的,尽量选择runfile文件进行安装 ②有些cuda ...
- Deeplearning:windows多版本cuda安装、管理
1.多版本安装 参考博文: 2.多版本管理 step1.完成对应版本的安装配置 step2.完成对应版本的环境变量配置 step3.根据自己的需要切换版本
- Ubuntu 多版本Cuda(8.0,9.0)以及CuDnn安装
转载自:https://www.jianshu.com/p/6a6fbce9073f 来源:博客园 博主:EwanRenton 教研室服务器多人使用,由于大家使用不同的框架,或者框架的版本不同,需要对 ...
- Ubuntu之cuda安装及历史版本安装
一.cuda简介 NVIDIA CUDA工具包提供了开发环境,可供创建经 GPU 加速的高性能应用.借助 CUDA 工具包,您可以在经 GPU 加速的嵌入式系统.台式工作站.企业数据中心.基于云的 ...
- Ubuntu 18.04 安装显卡驱动+CUDA10+多版本CUDA+Tensorflow gpu1.13.1
废话不多说,直奔主题! 一.安装驱动 1.去官网下载驱动,这个根据自己的显卡去搜索,比如我的卡是RTX2070: 然后点击"搜索"按钮,出现界面: 这里提示对应的驱动版本,点击下载 ...
- CV:NVIDIA驱动程序安装图文教程(根据Anaconda的CUDA版本去安装对应匹配的NVIDIA)之详细攻略
CV:NVIDIA驱动程序安装图文教程(根据Anaconda的CUDA版本去安装对应匹配的NVIDIA)之详细攻略 目录 根据Anaconda的CUDA版本去安装对应匹配的NVIDIA驱动程序图文教程 ...
- NVIDIA显卡驱动及CUDA相关安装流程(包括多版本cuda切换)
NVIDIA显卡驱动及CUDA相关安装流程 NVIDIA驱动安装 NVIDIA驱动官方下载地址: https://www.nvidia.cn/Download/index.aspx?lang=cn 第 ...
- ubuntu 安装多版本cuda,及切换版本方法及常见问题记录
ubuntu 安装多版本cuda,及切换版本方法 一 . cuda安装教程以及ubuntu 16.04安装NVIDIA显卡驱动以及cuda.cudnn,以及解决Ubuntu循环登陆问题等 二 . ub ...
最新文章
- 观察者模式的经典应用(猫叫 烧开水)
- 理清那么多个OO(面向对象)
- Hyperledger Indy 理解
- 有关BST搜索树转换为AVL高度平衡树的旋转问题
- c语言 地址+1,C语言中,为什么指针表达式的值+1.对应的地址值却+4?/为什么两个数组元素的地址相减之差不为地址之差?...
- sql 插入text字段包含特殊字符_Kettle(PDI)转换中输出之插入/更新详解
- 总结JSON.parse()报错VM71:1 Uncaught SyntaxError: Unexpected token u in JSON at position 0等之类的问题
- 完整解决方案:让你的IIS 支持PHP方法
- windows 系统更新 WSUS的安装与部属
- fabric 启动peer_Hyperledger Fabric Peer 常用命令总结
- exp参数feedback_Oracle数据库逻辑增量备份恢复之exp/imp参数inctype
- 大数据分析引擎Apache Flink升级成为Apache顶级项目
- 对“西刺免费代理IP“爬取、测试并存入MySQL
- DSP2812之定时器
- 什么叫大数据人物画像_【说大数据】人物画像 :大数据时代的心灵捕手
- 以计算机为主题的英语作文范例,英语作文范例,一篇万能英语作文范文。
- eclipes的使用
- Windows消息处理
- 苹果用户如何1:10充值微信豆
- 来自CSDN阿坤使用CSDN插件的简单测评意见