Ubuntu22 Linux 服务器安装显卡驱动,cuda,cudnn和pytorch
Ubuntu22 Linux 服务器安装显卡驱动,cuda,cudnn和pytorch
1. 首先了解自己服务器的操作系统内核版本等信息:
(1)查看操作系统的版本信息:cat /etc/issue或 cat /etc/lsb-release
(2)查看服务器显卡信息:
A. lspci | grep -i nvidia查看全部显卡信息
B. nvidia-smi 查看已经安装了对应的显卡驱动
C. cat /proc/driver/nvidia/version查看安装的显卡的驱动信息。
显卡驱动的安装需要根据操作系统的版本进行选择。
2. 驱动安装
(1) 安装驱动前必须先安装gcc
由于ubuntu22默认安装的是gcc版本是11.x, 在驱动安装过程中会出现不匹配问题,需要将gcc版本指定为9。
sudo apt -y install gcc-9 g++-9
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-9 9
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-9 9
后边两行用于将刚安装的gcc和g++类似于注册的操作加入到bin中,用于可选择操作。也就是说通过这个操作不断向系统注册新的gcc和g++版本。
/usr/local/cuda-11.1/bin/gcc -> /usr/bin/gcc-9
/usr/local/cuda-11.1/bin/ar -> /usr/bin/gcc-ar-9
/usr/local/cuda-11.1/bin/ranlib -> /usr/bin/gcc-ranlib-9
/usr/local/cuda-11.1/bin/nm -> /usr/bin/gcc-nm-9
更新链接配置
sudo ln -s /usr/bin/gcc-9 /usr/local/cuda-11.1/bin/gcc
添加到PATH
export PATH=/usr/local/gcc/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/gcc/lib64
export MANPATH=/usr/local/gcc/share/man:$MANPATH
用gcc --version
或gcc -v
查看安装的版本号
(2) Nvidia驱动安装
Note: 旧版本的显卡驱动完全卸载
sudo sh NVIDIA-Linux-x86_64-xxx.xx.xx.run -- uninstall
或
sudo /usr/bin/nvidia-uninstall
此外,安装之前,需要先禁用。
sudo vim /etc/modprobe.d/blacklist.conf
在文件的最后面加入以下的内容:
blacklist nouveau
blacklist lbm-nouveau
options nouveau modeset=0
alias nouveau off
alias lbm-nouveau off
检查操作是否成功:lsmod | grep nouveau
没显示即成功。
更新initramfs,需要稍微等一会
sudo update-initramfs -u
重启系统。
验证屏蔽是否成功,执行下面语句,结果为空,即为成功。
lsmod | grep nouveau
Nvidia驱动下载
由于Linux系统是Ubuntu22, 因此cuda Toolkit选择11.2。
将下载好的显卡驱动上传到服务器进行安装。
chmod +x NVIDIA-Linux-x86_64-460.106.00.run
sudo bash ./NVIDIA-Linux-x86_64-460.106.00.run
采用上述命令进行驱动的安装。安装完成之后,可以采用以下命令进行检查:
nvidia-smi
(3)下载对应版本的cuda, 选择cuda v11.1.0。
下载cuda .run文件并进行安装
wget https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/cuda_11.1.0_455.23.05_linux.run
sudo sh cuda_11.1.0_455.23.05_linux.run
安装过程中的选择项:
nvidia accelerated graphics driver ,n 。重复安装会报错
其他的都选yes。
软连接的建立。注意还有一个选项是软连接的建立,会在/usr/local/下面建立一个软连接cuda该软连接连接到安装的真正的cuda-11.1的地址。软连接的建立可以用于多个版本的cuda的管理。
修改软连接就可以修改cuda的版本。
sudo vim ~/.bashrc加入以下的内容:
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64
export PATH=$PATH:/usr/local/cuda/bin
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda
使用nvcc -V
对cuda的安装进行检查。
多版本的CUDA管理。
删除旧的软连接再建立新的软连接的方式来实现不同版本的cuda的切换。
sudo rm -rf cuda # 删除旧版本的软连接
sudo ln -s /usr/local/cuda-9.1 /usr/local/cuda # 建立新版本的软连接,前面的路径是需要的版本的cuda的安装路径。
(4) 安装对应的cudnnv8.2.1。
上传到服务器安装。
解压:
tar zxvf cudnn-11.3-linux-x64-v8.2.1.32.tgz
解压之后得到一个 cuda文件夹。采用如下的操作进行cudnn的安装。(这时候的cudnn要直接安装到对应的版本的cuda的真实的安装路径中。这样建立软连接的时候才会读到cudnn文件)
sudo cp cuda/include/cudnn.h /usr/local/cuda-11.1/include # 填写对应的版本的cuda路径
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-11.1/lib64 # 填写对应的版本的cuda路径
sudo chmod a+r /usr/local/cuda-11.1/include/cudnn.h /usr/local/cuda-11.1/lib64/libcudnn*
(5) Anaconda安装
sudo bash Anaconda3-2022.10-Linux-x86_64.sh
安装。安装过程需要同意将安装路径加入到环境变量的配置文件中。
source ~.bashrc
使其生效。
建立自己新的环境 conda create-n your_name python=your_version
激活新的环境 source activate your_name
(6) Pytorch安装(1.10.1)
pip install torch==1.10.1+cu111 torchvision==0.11.2+cu111 torchaudio==0.10.1 -f https://download.pytorch.org/whl/torch_stable.html
测试
python # 进入python 环境
import torch # 导入安装的pytorch包
torch.cuda.is_available() # 检查cuda是否可以使用
如果torch.cuda.is_available()如果输出是false,那就表示前面的驱动或者cuda的安装有问题,最可能的就是驱动。直接卸载重新安装显卡驱动即可解决问题。
参考:
1.https://blog.csdn.net/kingfoulin/article/details/98872965
2.https://zhuanlan.zhihu.com/p/527283224
Ubuntu22 Linux 服务器安装显卡驱动,cuda,cudnn和pytorch相关推荐
- ubuntu22.04安装显卡驱动+cuda+cudnn
ubuntu22.04安装显卡驱动+cuda+cudnn 1. 下载驱动和卸载.禁用自带驱动程序 1.1 查看系统显卡型号 1.2 从NVIDIA官网下载相应驱动 1.3 卸载Ubuntu自带的驱动程 ...
- 联想拯救者Y7000P-RTX3060安装显卡驱动 CUDA cudnn anaconda pytorch pycharm
ubuntu配置深度学习环境 关闭原有开源驱动: 删除原有nvidia驱动(选做)sudo apt purge nvidia* 关闭系统自带驱动nouveau sudo gedit /etc/modp ...
- Nvidia3090显卡驱动+CUDA+cuDNN安装步骤
文章目录 显卡驱动 CUDA cuDNN 显卡驱动 sudo add-apt-repository ppa:graphics-drivers/ppa # 添加Nidia镜像 sudo apt upda ...
- linux/Centos 安装GTX-1080Ti 显卡 配置显卡驱动 cuda cudnn
os: centos 6.9 显卡 :1080 TI cuda :cuda-10.0 cudnn:cuDNN v 7.3.1 CentOS 6.9安装NVIDIA GTX1080显卡驱动,直接说安装步 ...
- Jetson Nano开发深度学习实践(六) :工作站(主机)装机-NVIDIA显卡驱动,Cuda,Cudnn
最近多了很多点赞和关注,非常感谢支持.本意是将最近开发过程中遇到的问题记录一下,如果你觉得有些启发将荣幸之至.应博客内评论的请求,穿插一张主机工作站的装机操作,毕竟nano进行推理的边缘计算端,大多数 ...
- 深度学习GPU环境安装教程:Ubuntu16.04+1080(Ti)显卡驱动+CUDA+cuDNN(已n次完美安装)
安装显卡驱动 当前只装了ubuntu16.04单系统,亲测可用,之前ubuntu16.04+win10双系统下也是这种方法装的,只是需要切换视频线的接口,可参考这篇 1.装好ubuntu16.04 2 ...
- conda cudnn版本升级_ubuntu18.04系统下NVIDIA显卡驱动+cuda+cudnn安装+conda虚拟环境配置...
深度学习的显卡环境配置是一个非常麻烦的问题,理论上这是一个深度学习开发必须要面临的问题,那么教程就应该很多,后人学习起来的时候应该会很容易,实际上却是教程良莠不齐,而且很多教程往往是针对特定显卡的,但 ...
- ubuntu20.04 RTX2060||nvidia显卡驱动|cuda|cudnn|pytorch
安装显卡驱动 自动安装: ubnutu-drivers devices sudo ubuntu-drivers autoinstall 软件与更新->驱动->安装专有最新版本 cuda11 ...
- RTX2080Ti不能正常安装ubuntu/xubuntu的解决方法 安装显卡驱动/cuda/cudnn的正确方法 USBboot黑屏
0X00 问题描述 实验室最近又增加了RTX2080Ti服务器,再给服务器装系统的过程中,发现由usb引导安装ubuntu时,出现由于显卡不支持图形化界面导致的黑屏. boot设置: 选择usb bo ...
最新文章
- Java中的深浅拷贝问题你清楚吗?
- Android JNI 第三篇 Java参数类型与本地参数类型对照
- 合成孔径成像算法与实现_声呐二维成像技术
- springmvc十七:自定义视图和自定义视图解析器
- OpenCV ASIFT的实例(附完整代码)
- 开源Easydarwin流媒体服务器Windows编译、配置、部署
- 一、创建Assetbundle 在unity3d开发的游戏中,无论模型,音频,还是图片等,我们都做成Prefab,然后打包成Assetbundle,方便我们后面的使用,来达到资源的更新。
- 使用RMAN传输表空间复制数据
- 中国半导体制冷市场趋势报告、技术动态创新及市场预测
- 两个excel表格信息合并 自动匹配_别再复制黏贴了,合并两个Excel表格可以很简单!...
- qq空间留言板删除 php,怎么批量删除QQ空间的说说
- js 根据公历日期 算出农历_JS获取农历日期具体实例
- Phalcon 上传文件
- 安培龙IPO过会:年营收5亿 同创伟业与中移创新是股东
- Markdown的使用(富文本编辑)
- HTML+CSS鼠标悬停效果
- 网站优化(seo)基础篇之网站关键词
- Typora+Git搭建云笔记本
- 华为设备配置敏捷分布式WLAN组网
- 基于plc的自动洗碗机的设计(西门子)
热门文章
- CAD.NET 访问天正实体对象
- Oracle 大小写区分的处理
- ChatGPT接入Siri指南来了/必应下载量进前五/ 特斯拉被曝监控员工致不敢上厕所…今日更多新鲜事在此...
- HTML(H5)之链接标签 - 锚点标签 - a标签 - <a>标签
- 闲鱼和转转怎么引流?从几个维度去探索问题
- 中年油腻程序员:我为什么放弃vscode
- 一句话证明你的代码水平
- 路由和远程访问服务(RRAS)的事件ID列表
- 我用领英开发成交超过20个客户,告诉你用领英开发客户哪些事情能做,哪些事情不能做
- Android 快捷键生成onClick()点击事件方法