深度学习工作站由于显卡驱动问题导致不能使用GPU

问题：实验室深度学习tesla k40c工作站GPU突然不能使用

表现：跑神经网络模型特别慢，内存爆满，但是显存却空着

原因：显卡驱动程序不兼容，导致显卡GPU不可用。

备注：

实验室显卡驱动型号：NVIDIA-Linux-x86_64-384.111.run

下载地址：https://www.nvidia.cn/Download/driverResults.aspx/128768/cn

还可以在nvidia官网上下载相应型号的显卡驱动，官网地址为：https://www.nvidia.cn/Download/index.aspx

解决方案：重装Linux显卡驱动，具体步骤如下所示：

（1），准备驱动程序（通常是.run文件或者是.deb文件，本次实验中采用的是.run文件）。

（2），屏蔽nouveau驱动。Ubuntu系统集成的显卡驱动程序是nouveau，它是第三方为NVIDIA开发的开源驱动，我们需要先将其屏蔽才能安装NVIDIA官方驱动。所以我们要先把驱动加到黑名单blacklist.conf里。我们要先修改该文件的属性才能编辑，

修改属性：

$sudo chmod 666 /etc/modprobe.d/blacklist.conf

修改文件：

$sudo vi /etc/modprobe.d/blacklist.conf

在文件的最后几行插入如下代码块：

blacklist vga16fb
blacklist nouveau
blacklist rivafb
blacklist rivatv
blacklist nvidiafb

更新文件：

sudo update-initramfs -u

（3），安装驱动

$sudo service lightdm stop  # 关闭图形界面
$cd /home/xxx/Nvidia                    # 进入下载的.run文件目录中
$sudo chmod a+x NVIDIA-Linux-x86_64-xxx.run　　　　　　　　# 修改权限
$sudo ./NVIDIA-Linux-x86_64-xxx.run -no-x-check -no-nouveau-check -no-opengl-files
# 安装驱动

驱动程序安装过程中会有一些选项，可以参考：https://blog.csdn.net/wangsidadehao/article/details/70255754

比如：是否同意使用DKMS自动的build一个新模块，选择否。以及是否加入nvidia 32位编译库，也选择否。

（4），测试是否安装成功

sudo service lightdm start    //启动图形界面

使用nvidia-smi命令查看显卡型号，并查看显存具体使用情况：

过程所学：

输出显卡具体型号：cat /proc/driver/nvidia/version。（如上，nvidia-smi同样可以查看显卡型号）

查看显卡是否安装好：lshw -c video看configurure字段有没有driver字样，若有内容，则显卡驱动装好了。

查看cuda版本：cat /usr/local/cuda/version.txt

查看cudnn版本：cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

可能需要的教程：

NVIDIA-Docker安装：https://blog.csdn.net/sinat_26917383/article/details/78728215

#Install nvidia-docker and nvidia-docker-plugin
$ wget -P /tmp https://github.com/NVIDIA/nvidia-docker/releases/download/v1.0.1/nvidia-docker_1.0.1-1_amd64.deb
$ sudo dpkg -i /tmp/nvidia-docker*.deb
$ sudo nvidia-docker run –rm nvidia/cuda nvidia-smi  #Test nvidia-smi

linux安装cuda和cudnn：https://blog.csdn.net/cs24k1993/article/details/78936856

深度学习工作站由于显卡驱动问题导致不能使用GPU相关推荐

Ubuntu深度学习环境部署——显卡驱动、CUDA、cuDNN、pytorch
第一步:显卡驱动装最新版驱动查看显卡信息 nvidia-smi 第二步:CUDA 1.查看CUDA官方文档,安装与显卡驱动版本相符合的CUDA. https://docs.nvidia.com/c ...
深度学习工作站环境搭建 ubantu16.04 安装显卡驱动 CUDA8.0 cuDNN6 anaconda tensorflow1.4.0 opencv3.4 含泪总结
深度学习工作站环境搭建 ubantu16.04 安装显卡驱动 CUDA8.0 cuDNN6 anaconda tensorflow opencv 1 安装ubantu16.04 安装时不要在线更新,在 ...
windows上配置本地深度学习工作站
文章目录前言 1. 安装Anaconda 2. 创建python环境 3. 安装Jetbrains Toolbox 4. 安装Pycharm Professional/Community 5. 安装 ...
如何配置一台深度学习工作站?
这篇文章主要介绍的是家用的深度学习工作站,典型的配置有两种,分别是一个 GPU 的机器和四个 GPU的机器.如果需要更多的 GPU 可以考虑配置两台四个 GPU 的机器. 如果希望一台机器同时具备 6 ...
【保姆级教程】个人深度学习工作站配置指南
点击上方,选择星标或置顶,不定期资源大放送! 阅读大概需要15分钟 Follow小博主,每天更新前沿干货作者:稚晖,电子科技大学,编辑:极市平台来源丨https://zhuanlan.zhihu. ...
实践操作--云端深度学习工作站配置指南（转）
转载地址:https://zhuanlan.zhihu.com/p/336429888 https://mp.weixin.qq.com/s?__biz=MzI5MDUyMDIxNA==&mi ...
【深度学习】如何配置一台深度学习工作站?
极市导读本文介绍了家用的深度学习工作站的两种典型配置,以及各类硬件的参数介绍和选择方案,可以作为选购时的参考. 这篇文章主要介绍的是家用的深度学习工作站,典型的配置有两种,分别是一个 GPU 的机器 ...
收藏 | 个人深度学习工作站配置指南
点上方计算机视觉联盟获取更多干货仅作学术分享,不代表本公众号立场,侵权联系删除转载于:稚晖,电子科技大学,编辑:极市平台 AI博士笔记系列推荐周志华<机器学习>手推笔记正式开源!可打 ...
教程：个人深度学习工作站配置指南
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 ‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍ 来源丨https: ...

深度学习工作站由于显卡驱动问题导致不能使用GPU

深度学习工作站由于显卡驱动问题导致不能使用GPU相关推荐

最新文章

热门文章